MétaCan
Menu
Retour à la cohorte
Enregistrement W3161687379 · doi:10.1093/jncics/pkab015

Relation of Quantitative Histologic and Radiologic Breast Tissue Composition Metrics With Invasive Breast Cancer Risk

2021· article· en· W3161687379 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJNCI Cancer Spectrum · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Radiography and Breast Imaging
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Cancer InstituteBreast Cancer Research FoundationDivision of Cancer Epidemiology and Genetics, National Cancer InstituteU.S. Department of Health and Human Services
Mots-clésMedicineBreast cancerBreast tissueRadiologyPathologyOncologyInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

Abstract Background Benign breast disease (BBD) is a strong breast cancer risk factor, but identifying patients that might develop invasive breast cancer remains a challenge. Methods By applying machine-learning to digitized hematoxylin and eosin–stained biopsies and computer-assisted thresholding to mammograms obtained circa BBD diagnosis, we generated quantitative tissue composition metrics and determined their association with future invasive breast cancer diagnosis. Archival breast biopsies and mammograms were obtained for women (18-86 years of age) in a case-control study, nested within a cohort of 15 395 BBD patients from Kaiser Permanente Northwest (1970-2012), followed through mid-2015. Patients who developed incident invasive breast cancer (ie, cases; n = 514) and those who did not (ie, controls; n = 514) were matched on BBD diagnosis age and plan membership duration. All statistical tests were 2-sided. Results Increasing epithelial area on the BBD biopsy was associated with increasing breast cancer risk (odds ratio [OR]Q4 vs Q1 = 1.85, 95% confidence interval [CI] = 1.13 to 3.04; Ptrend = .02). Conversely, increasing stroma was associated with decreased risk in nonproliferative, but not proliferative, BBD (Pheterogeneity = .002). Increasing epithelium-to-stroma proportion (ORQ4 vs Q1 = 2.06, 95% CI =1.28 to 3.33; Ptrend = .002) and percent mammographic density (MBD) (ORQ4 vs Q1 = 2.20, 95% CI = 1.20 to 4.03; Ptrend = .01) were independently and strongly predictive of increased breast cancer risk. In combination, women with high epithelium-to-stroma proportion and high MBD had substantially higher risk than those with low epithelium-to-stroma proportion and low MBD (OR = 2.27, 95% CI = 1.27 to 4.06; Ptrend = .005), particularly among women with nonproliferative (Ptrend = .01) vs proliferative (Ptrend = .33) BBD. Conclusion Among BBD patients, increasing epithelium-to-stroma proportion on BBD biopsies and percent MBD at BBD diagnosis were independently and jointly associated with increasing breast cancer risk. These findings were particularly striking for women with nonproliferative disease (comprising approximately 70% of all BBD patients), for whom relevant predictive biomarkers are lacking.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,273
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle