EDITORIALS Biomarkers in Benign Breast Disease: Risk Factors for Breast Cancer
Notice bibliographique
Résumé
Benign breast diseases are both common and heterogeneous. Some types (usual and atypical hyperplasias) are weak but well-established risk factors (1) and probably precursors for breast cancer (2). Other types (e.g., sclerosing adenosis, papillomas, and fibroadenomas) also may be associated with a slightly el-evated risk, although the evidence is less compelling (3–5). These benign lesions are defined by their histologic features, which are insufficient to distinguish breast tissue destined to develop cancer. An article by Rohan et al. (6) in this issue of the Journal describes an interesting study that evaluates the abilities of cer-tain biomarkers to better discriminate risk in patients with be-nign breast disease. Using a nested case–control study design based on the Canadian National Breast Screening Study (NBSS), Rohan et al. evaluated p53 and c-erbB-2 abnormalities by im-munohistochemistry in benign breast tissue of patients who later developed breast cancer (cases; n 4 71) compared with matched patients who did not (controls: n 4 291 for c-erbB-2; n 4 288 for p53). Alterations of the p53 tumor suppressor gene and c-erbB-2 oncogene are very common in breast cancer (7,8), which was the rationale for focusing on these markers as potential risk factors in this study. Most p53 abnormalities in breast cancer are mis-sense point mutations resulting in nuclear accumulation of pre-sumably nonfunctional protein (9). Most alterations of c-erbB-2 are gene amplifications that are highly associated with overex-pression of the oncoprotein at the cell membrane (10,11). Im-munochemistry was well suited to screening for p53 accumula-tion and c-erbB-2 overexpression in the archival tissue samples available in the study by Rohan et al. (6). Evaluating the risk of a relatively rare disease (e.g., breast cancer) in a relatively healthy population (e.g., patients with benign breast disease) can be difficult for a number of reasons, and the nested case–control design used in the study by Rohan et al. was an effective strategy to compensate for some of these difficulties (12). By sampling controls matched to breast cancer cases from the entire cohort of all NBSS enrollees with benign breast disease, the study had power nearly equivalent to that of the entire cohort (n 4 4888) but evaluated far fewer subjects (n
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,010 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,014 |
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 source (Gemma direct ou Codex distillé), 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 ».