MétaCan
Menu
Retour à la cohorte
Enregistrement W2509292686 · doi:10.1097/cej.0000000000000310

Adiposity, breast density, and breast cancer risk: epidemiological and biological considerations

2016· review· en· W2509292686 sur OpenAlexaff
Ludivine Soguel, Francine Durocher, André Tchernof, Caroline Diorio

Notice bibliographique

RevueEuropean Journal of Cancer Prevention · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensWilfrid Laurier UniversityUniversité LavalHôpital du Saint-SacrementCentre hospitalier universitaire de Québec
Organismes subventionnairesnon disponible
Mots-clésBreast cancerAdipose tissueMAMMOGRAPHIC DENSITYMedicineMammographyInternal medicineOncologyBreast densityBreast tissueCancerAbdominal fatRisk factorEndocrinologyObesity

Résumé

récupéré en direct d'OpenAlex

Excess total body fat and abdominal adipose tissue are recognized risk factors for metabolic diseases but also for some types of cancers, including breast cancer. Several biological mechanisms in connection with local and systemic effects of adiposity are believed to be implicated in breast cancer development, and may involve breast fat. Breast adipose tissue can be studied through mammography by looking at breast density features such as the nondense area mainly composed of fat, or the percent breast density, which is the proportion of fibroglandular tissue in relation to fat. The relation between adiposity, breast density features, and breast cancer is complex. Studies suggest a paradoxical association as adiposity and absolute nondense area correlate positively with each other, but in contrast to adiposity, absolute nondense area seems to be associated negatively with breast cancer risk. As breast density is one of the strongest risk factors for breast cancer, it is therefore critical to understand how these factors interrelate. In this review, we discuss these relations by first presenting how adiposity measurements and breast density features are linked to breast cancer risk. Then, we used a systematic approach to capture the literature to review the relation between adiposity and breast density features. Finally, the role of adipose tissue in carcinogenesis is discussed briefly from a biological perspective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,383
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations83
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Cancer PreventionMême sujetCancer Risks and FactorsTravaux en français237 207