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 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 | 0,027 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».