Critical assessment of new risk factors for breast cancer: considerations for development of an improved risk prediction model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The majority of candidates for breast cancer prevention have not accepted tamoxifen because of the perception of an unfavorable risk/benefit ratio and the acceptance of raloxifene remains to be determined. One means of improving this ratio is to identify women at very high risk of breast cancer. Family history, age, atypia in a benign biopsy, and reproductive factors are the main parameters currently used to determine risk. The most powerful risk factor, mammographic density, is not presently employed routinely. Other potentially important factors are plasma estrogen and androgen levels, bone density, weight gain, age of menopause, and fracture history, which are also not currently used in a comprehensive risk prediction model because of lack of prospective validation. The Breast Cancer Prevention Collaborative Group (BCPCG) met to critically examine and prioritize risk factors that might be selected for further testing by multivariate analysis using existing clinical material. The BCPCG reached a consensus that quantitative breast density, state of the art plasma estrogen and androgen measurements, history of fracture and height loss, BMI, and waist-hip ratio had sufficient priority for further testing. As a practical approach, these parameters could be added to the existing Tyrer-Cuzick model which encompasses factors included in both the Claus and Gail models. The BCPCG analyzed potentially available clinical material from previous prospective studies and determined that a large case/control study to evaluate these new factors might be feasible at this time.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle