Breast cancer risk prediction in women aged 35–50 years: impact of including sex hormone concentrations in the Gail model
Notice bibliographique
Résumé
BACKGROUND: Models that accurately predict risk of breast cancer are needed to help younger women make decisions about when to begin screening. Premenopausal concentrations of circulating anti-Müllerian hormone (AMH), a biomarker of ovarian reserve, and testosterone have been positively associated with breast cancer risk in prospective studies. We assessed whether adding AMH and/or testosterone to the Gail model improves its prediction performance for women aged 35-50. METHODS: In a nested case-control study including ten prospective cohorts (1762 invasive cases/1890 matched controls) with pre-diagnostic serum/plasma samples, we estimated relative risks (RR) for the biomarkers and Gail risk factors using conditional logistic regression and random-effects meta-analysis. Absolute risk models were developed using these RR estimates, attributable risk fractions calculated using the distributions of the risk factors in the cases from the consortium, and population-based incidence and mortality rates. The area under the receiver operating characteristic curve (AUC) was used to compare the discriminatory accuracy of the models with and without biomarkers. RESULTS: The AUC for invasive breast cancer including only the Gail risk factor variables was 55.3 (95% CI 53.4, 57.1). The AUC increased moderately with the addition of AMH (AUC 57.6, 95% CI 55.7, 59.5), testosterone (AUC 56.2, 95% CI 54.4, 58.1), or both (AUC 58.1, 95% CI 56.2, 59.9). The largest AUC improvement (4.0) was among women without a family history of breast cancer. CONCLUSIONS: AMH and testosterone moderately increase the discriminatory accuracy of the Gail model among women aged 35-50. We observed the largest AUC increase for women without a family history of breast cancer, the group that would benefit most from improved risk prediction because early screening is already recommended for women with a family history.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».