Polycystic Ovary Syndrome, Oligomenorrhea, and Risk of Ovarian Cancer Histotypes: Evidence from the Ovarian Cancer Association Consortium
Notice bibliographique
Résumé
Abstract Background: Polycystic ovary syndrome (PCOS), and one of its distinguishing characteristics, oligomenorrhea, have both been associated with ovarian cancer risk in some but not all studies. However, these associations have been rarely examined by ovarian cancer histotypes, which may explain the lack of clear associations reported in previous studies. Methods: We analyzed data from 14 case–control studies including 16,594 women with invasive ovarian cancer (n = 13,719) or borderline ovarian disease (n = 2,875) and 17,718 controls. Adjusted study-specific ORs were calculated using logistic regression and combined using random-effects meta-analysis. Pooled histotype-specific ORs were calculated using polytomous logistic regression. Results: Women reporting menstrual cycle length >35 days had decreased risk of invasive ovarian cancer compared with women reporting cycle length ≤35 days [OR = 0.70; 95% confidence interval (CI) = 0.58–0.84]. Decreased risk of invasive ovarian cancer was also observed among women who reported irregular menstrual cycles compared with women with regular cycles (OR = 0.83; 95% CI = 0.76–0.89). No significant association was observed between self-reported PCOS and invasive ovarian cancer risk (OR = 0.87; 95% CI = 0.65–1.15). There was a decreased risk of all individual invasive histotypes for women with menstrual cycle length >35 days, but no association with serous borderline tumors (Pheterogeneity = 0.006). Similarly, we observed decreased risks of most invasive histotypes among women with irregular cycles, but an increased risk of borderline serous and mucinous tumors (Pheterogeneity < 0.0001). Conclusions: Our results suggest that menstrual cycle characteristics influence ovarian cancer risk differentially based on histotype. Impact: These results highlight the importance of examining ovarian cancer risk factors associations by histologic subtype. Cancer Epidemiol Biomarkers Prev; 27(2); 174–82. ©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 | 0,010 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,007 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».