Menopausal Hormone Therapy Formulation and Breast Cancer Risk
Notice bibliographique
Résumé
OBJECTIVE: To evaluate whether the increased risk of breast cancer is dependent on the formulation of menopausal hormone therapy (HT) used. METHODS: We performed a population-based case-control study of women aged 50 years or older using data from the U.K. Clinical Practice Research Datalink. Women with incident cases of breast cancer were age-matched (1:10) with a control group of women with comparable follow-up time with no history of breast cancer. Exposures were classified as ever or never for the following menopausal HT formulations: bioidentical estrogens, animal-derived estrogens, micronized progesterone, and synthetic progestin. Logistic regression analyses were performed to estimate the adjusted effect of menopausal HT formulation on breast cancer risk. RESULTS: Between 1995 and 2014, 43,183 cases of breast cancer were identified and matched to 431,830 women in a control group. In adjusted analyses, compared with women who never used menopausal HT, its use was associated with an increased risk of breast cancer (odds ratio [OR] 1.12, 95% CI 1.09-1.15). Compared with never users, estrogens were not associated with breast cancer (bioidentical estrogens: OR 1.04, 95% CI 1.00-1.09; animal-derived estrogens: OR 1.01, 95% CI 0.96-1.06; both: OR 0.96, 95% CI 0.89-1.03). Progestogens appeared to be differentially associated with breast cancer (micronized progesterone: OR 0.99, 95% CI 0.55-1.79; synthetic progestin: OR 1.28, 95% CI 1.22-1.35; both OR 1.31, 0.30-5.73). CONCLUSION: Although menopausal HT use appears to be associated with an overall increased risk of breast cancer, this risk appears predominantly mediated through formulations containing synthetic progestins. When prescribing menopausal HT, micronized progesterone may be the safer progestogen to be used.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».