Utility of relative and absolute measures of mammographic density<i>vs</i>clinical risk factors in evaluating breast cancer risk at time of screening mammography
Notice bibliographique
Résumé
OBJECTIVE: Various clinical risk factors, including high breast density, have been shown to be associated with breast cancer. The utility of using relative and absolute area-based breast density-related measures was evaluated as an alternative to clinical risk factors in cancer risk assessment at the time of screening mammography. METHODS: Contralateral mediolateral oblique digital mammography images from 392 females with unilateral breast cancer and 817 age-matched controls were analysed. Information on clinical risk factors was obtained from the provincial breast-imaging information system. Breast density-related measures were assessed using a fully automated breast density measurement software. Multivariable logistic regression was conducted, and area under the receiver-operating characteristic (AUROC) curve was used to evaluate the performance of three cancer risk models: the first using only clinical risk factors, the second using only density-related measures and the third using both clinical risk factors and density-related measures. RESULTS: The risk factor-based model generated an AUROC of 0.535, while the model including only breast density-related measures generated a significantly higher AUROC of 0.622 (p < 0.001). The third combined model generated an AUROC of 0.632 and performed significantly better than the risk factor model (p < 0.001) but not the density-related measures model (p = 0.097). CONCLUSION: Density-related measures from screening mammograms at the time of screen may be superior predictors of cancer compared with clinical risk factors. ADVANCES IN KNOWLEDGE: Breast cancer risk models based on density-related measures alone can outperform risk models based on clinical factors. Such models may support the development of personalized breast-screening protocols.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 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 ».