Plasma C-Peptide, Mammographic Breast Density, and Risk of Invasive Breast Cancer
Notice bibliographique
Résumé
BACKGROUND: Insulin may promote breast cancer directly by stimulating the insulin receptor or indirectly by increasing the plasma concentration of active sex hormones. The association between insulin and breast density, a strong breast cancer risk factor, has not been thoroughly studied. We measured associations between c-peptide (a molar marker of insulin secretion), breast cancer risk, and breast density measurements in case-control studies nested within the Nurses' Health Study and Nurses' Health Study II cohorts. METHODS: Breast cancer associations were estimated with multivariate logistic regression models and then pooled across cohorts (total n = 1,084 cases and 1,785 controls). Mammographic density associations (percent dense area, dense area, and nondense area) were estimated as the difference in least-square means of the density parameters between quartiles of c-peptide concentration in all breast cancer controls with available screening mammography films (n = 1,469). RESULTS: After adjustment for adiposity, c-peptide was not associated with any measure of breast density. However, c-peptide was associated with an approximately 50% increased risk of invasive breast cancer [top vs. bottom quartile, adjusted OR = 1.5, 95% confidence interval (CI), 1.1-2.0] that was robust to adjustment for plasma-free estradiol and sex hormone-binding globulin. The association was stronger for ER-negative disease (adjusted OR = 2.0; 95% CI, 1.2-3.6). CONCLUSIONS: Our data suggest a positive association between hyperinsulinemia and breast cancer risk that occurs through nonestrogenic mechanisms, and that is not mediated by breast density. IMPACT: Primary prevention of breast cancer in women with hyperinsulinemia may be possible by targeting insulin signaling pathways.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».