Chemoprevention Uptake among Women with Atypical Hyperplasia and Lobular and Ductal Carcinoma <i>In Situ</i>
Notice bibliographique
Résumé
Abstract Women with atypical hyperplasia and lobular or ductal carcinoma in situ (LCIS/DCIS) are at increased risk of developing invasive breast cancer. Chemoprevention with selective estrogen receptor modulators or aromatase inhibitors can reduce breast cancer risk; however, uptake is estimated to be less than 15% in these populations. We sought to determine which factors are associated with chemoprevention uptake in a population of women with atypical hyperplasia, LCIS, and DCIS. Women diagnosed with atypical hyperplasia/LCIS/DCIS between 2007 and 2015 without a history of invasive breast cancer were identified (N = 1,719). A subset of women (n = 73) completed questionnaires on breast cancer and chemoprevention knowledge, risk perception, and behavioral intentions. Descriptive statistics were generated and univariate and multivariable log-binomial regression were used to estimate the association between sociodemographic and clinical factors and chemoprevention uptake. In our sample, 29.3% had atypical hyperplasia, 23.3% had LCIS, and 47.4% had DCIS; 29.4% used chemoprevention. Compared with women with atypical hyperplasia, LCIS [RR, 1.43; 95% confidence interval (CI), 1.16–1.76] and DCIS (RR, 1.54; 95% CI, 1.28–1.86) were significantly associated with chemoprevention uptake, as was medical oncology referral (RR, 5.79; 95% CI, 4.80–6.98). Younger women were less likely to take chemoprevention (RR, 0.61; 95% CI, 0.42–0.87), and there was a trend toward increased uptake in Hispanic compared with non-Hispanic white women. The survey data revealed a strong interest in learning about chemoprevention, but there were misperceptions in personal breast cancer risk and side effects of chemoprevention. Improving communication about breast cancer risk and chemoprevention may allow clinicians to facilitate informed decision-making about preventative therapy. Cancer Prev Res; 10(8); 434–41. ©2017 AACR.
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 | 0,003 |
| 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 ».