RANKL and OPG and their influence on breast volume changes during pregnancy in healthy women
Notice bibliographique
Résumé
Objectives: Breast cancer risk is influenced both by number of pregnancies and breastfeeding duration, but not all women benefit similarly from these. Breast volume changes during pregnancy may be predictive for later transformation of the breast. This study investigated the influence of serum RANKL and OPG at the start of pregnancy on breast volume changes. Methods: In the Clinical Gravidity Association Trial and Evaluation (CGATE) program, pregnant women were followed prospectively from gestational week 12 to birth. Three-dimensional breast surface imaging and volume assessments were performed. Serum RANKL and OPG were measured at study entry before gestational week 12. A linear regression model including breast volume at the start of pregnancy, RANKL, OPG, and other factors was used to predict breast volume at term. Results: The mean breast volume was 413 mL at the start of pregnancy, increasing by a mean of 99 mL up to term. In addition to body mass index and breast volume at the start of pregnancy, RANKL and OPG also appeared to influence volume ( P = 0.04 and P = 0.07, respectively). Women with measurable RANKL values had a mean volume increase 32 mL larger than in women without measurable RANKL. The presence of OPG reduced the mean volume change by 27 mL. Conclusions: This is the first study showing that RANKL and OPG influence breast volume changes during pregnancy. Understanding the molecular mechanisms behind the effects of pregnancy on the breast might help in developing strategies for mimicking pregnancy effects in order to reduce breast cancer risk.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».