MRI background parenchymal enhancement, breast density and breast cancer risk factors: A cross-sectional study in pre- and post-menopausal women.
Notice bibliographique
Résumé
<title>Abstract</title> <bold>Background: </bold>Histologically normal breast fibroglandular tissue (FGT) enhances on contrast MRI and is called background parenchymal enhancement (BPE). Having high BPE is associated with an increased risk of breast cancer. We examined the relationship between MRI-FGT (a volumetric assessment of breast density) and BPE and breast cancer risk factors.<bold>Methods: </bold>This was a cross-sectional study of 419 women without breast cancer undergoing contrast-enhanced breast MRI. All women completed a questionnaire at the time of MRI. Prevalence ratios (PR) and 95% confidence intervals (CI) describing the relationship between breast cancer risk factors and BPE and MRI-FGT were generated using modified Poisson regression. <bold>Results: </bold>In multivariable adjusted models a positive association between BMI and BPE was observed, with a 5-unit increase in BMI associated with a 16% and 38% increase in prevalence of high BPE in pre- and post-menopausal women respectively. Conversely, a strong inverse relationship between BMI and MRI-FGT was observed in both pre- (PR=0.65, 95% CI 0.57, 0.76 per 5-unit increase of BMI) and post-menopausal (PR=0.67, 95% CI 0.57, 0.79, per 5-unit increase in BMI) women. Current use of oral contraceptives was associated with high BPE while use of preventive medication (e.g., tamoxifen) was associated with low BPE. <bold>Conclusion: </bold>This study identifies patient characteristics and exposures associated with BPE and MRI-FGT. BPE is a new imaging marker of breast cancer risk. The results of this study provide further support for the role of hormonal exposures on BPE.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».