Risk Differences Between Prediabetes And Diabetes According To Breast Cancer Molecular Subtypes
Notice bibliographique
Résumé
Hyperglycemia and hyperinsulinemia may play a role in breast carcinogenesis and prediabetes and diabetes have been associated with increased breast cancer (BC) risk. However, whether BC molecular subtypes may modify these associations is less clear. We therefore investigated these associations in all cases and by BC molecular subtypes among women living in Southern Italy. Cases were 557 patients with non-metastatic incident BC and controls were 592 outpatients enrolled during the same period as cases and in the same hospital for skin-related non-malignant conditions. Adjusted multivariate logistic regression models were built to assess the risks of developing BC in the presence of prediabetes or diabetes. The analyses were repeated by strata of BC molecular subtypes: Luminal A, Luminal B, HER2+, and Triple Negative (TN). Prediabetes and diabetes were significantly associated with higher BC incidence after controlling for known risk factors (OR = 1.94, 95% CI 1.32-2.87 and OR = 2.46, 95% CI 1.38-4.37, respectively). Similar results were seen in Luminal A and B while in the TN subtype only prediabetes was associated with BC (OR = 2.43, 95% CI 1.11-5.32). Among HER2+ patients, only diabetes was significantly associated with BC risk (OR = 3.04, 95% CI 1.24-7.47). Furthermore, when postmenopausal HER2+ was split into hormone receptor positive versus negative, the association with diabetes remained significant only in the former (OR = 5.13, 95% CI 1.53-17.22). These results suggest that prediabetes and diabetes are strongly associated with BC incidence and that these metabolic conditions may be more relevant in the presence of breast cancer molecular subtypes with positive hormone receptors. J. Cell. Physiol. 232: 1144-1150, 2017. © 2016 Wiley Periodicals, Inc.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».