Risk factors for breast cancer in postmenopausal Caucasian and Chinese-Canadian women
Notice bibliographique
Résumé
INTRODUCTION: Striking differences exist between countries in the incidence of breast cancer. The causes of these differences are unknown, but because incidence rates change in migrants, they are thought to be due to lifestyle rather than genetic differences. The goal of this cross-sectional study was to examine breast cancer risk factors in populations with different risks for breast cancer. METHODS: We compared breast cancer risk factors among three groups of postmenopausal Canadian women at substantially different risk of developing breast cancer - Caucasians (N = 413), Chinese women born in the West or who migrated to the West before age 21 (N = 216), and recent Chinese migrants (N = 421). Information on risk factors and dietary acculturation were collected by telephone interviews using questionnaires, and anthropometric measurements were taken at a home visit. RESULTS: Compared to Caucasians, recent Chinese migrants weighed on average 14 kg less, were 6 cm shorter, had menarche a year later, were more often parous, less often had a family history of breast cancer or a benign breast biopsy, a higher Chinese dietary score, and a lower Western dietary score. For most of these variables, Western born Chinese and early Chinese migrants had values intermediate between those of Caucasians and recent Chinese migrants. We estimated five-year absolute risks for breast cancer using the Gail Model and found that risk estimates in Caucasians would be reduced by only 11% if they had the risk factor profile of recent Chinese migrants for the risk factors in the Gail Model. CONCLUSIONS: Our results suggest that in addition to the risk factors in the Gail Model, there likely are other factors that also contribute to the large difference in breast cancer risk between Canada and China.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».