Mammographic Breast Density Response to Aromatase Inhibition
Notice bibliographique
Résumé
PURPOSE: Mammographic breast density (MBD) is decreased by tamoxifen, but the effect of aromatase inhibitors is less clear. EXPERIMENTAL DESIGN: We enrolled early-stage postmenopausal patients with breast cancer initiating adjuvant aromatase inhibitor therapy and ascertained mammograms before and at an average 10 months of aromatase inhibitor therapy. We matched cases to healthy postmenopausal women (controls) from a large mammography screening cohort on age, baseline body mass index, baseline MBD, and interval between mammograms. We estimated change in MBD using a computer-assisted thresholding program (Cumulus) and compared differences between cases and matched controls. RESULTS: In predominantly White women (96%), we found 14% of the 387 eligible cases had a MBD reduction of at least 5% after an average of 10 months of aromatase inhibitor therapy. MBD reductions were associated with higher baseline MBD, aromatase inhibitor use for more than 12 months, and prior postmenopausal hormone use. Comparing each case with her matched control, there was no evidence of an association of change in MBD with aromatase inhibitor therapy [median case-control difference among 369 pairs was -0.1% (10th and 90th percentile: -5.9%, 5.2%) P = 0.51]. Case-control differences were similar by type of aromatase inhibitor (P's 0.41 and 0.56); prior use of postmenopausal hormones (P = 0.85); baseline MBD (P = 0.55); and length of aromatase inhibitor therapy (P = 0.08). CONCLUSIONS: In postmenopausal women treated with aromatase inhibitors, 14% of cases had a MBD reduction of more than 5%, but these decreases did not differ from matched controls. These data suggest that MBD is not a clinically useful biomarker for predicting the value of aromatase inhibitor therapy in White postmenopausal women.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».