Mammographic Density and Estrogen Receptor Status of Breast Cancer
Notice bibliographique
Résumé
BACKGROUND: The density of breast tissue on a mammogram is a strong predictor of breast cancer risk and may reflect cumulative estrogen effect on breast tissue. Endogenous and exogenous estrogen exposure increases the risk of estrogen receptor (ER)-positive breast cancer. We determined if mammographic density is associated more strongly with ER-positive breast cancer than with ER-negative breast cancer. METHODS: We analyzed data from 44,811 participants in the San Francisco Mammography Registry of whom 701 developed invasive breast cancer. Mammographic density was measured using the Breast Imaging Reporting and Data System (BI-RADS) classification system (1 = almost entirely fat, 2 = scattered fibroglandular, 3 = heterogeneously dense, 4 = extremely dense). We tested for associations between mammographic density and ER-positive and ER-negative breast cancer separately. Analyses were adjusted for age, body mass index, postmenopausal hormone use, family history of breast cancer, menopausal status, parity, and race/ethnicity. RESULTS: Mammographic density was strongly associated with both ER-positive and ER-negative breast cancers. Compared with women with BI-RADS 2, women with BI-RADS 1 (lowest density) had a lower risk of ER-positive cancer [adjusted hazard ratio (HR), 0.28; 95% confidence interval (95% CI), 0.16-0.50] and ER-negative cancer (adjusted HR, 0.17; 95% CI, 0.04-0.70). Women with BI-RADS 4 (highest density) had an increased risk of ER-positive breast cancer (adjusted HR, 2.21; 95% CI, 1.64-3.04) and an increased risk of ER-negative breast cancer (adjusted HR, 2.21; 95% CI, 1.16-4.18). CONCLUSION: Surprisingly, women with high mammographic density have an increased risk of both ER-positive and ER-negative breast cancers. The association between mammographic density and breast cancer may be due to factors besides estrogen exposure.
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 | 0,001 | 0,005 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».