Association of lipid profile biomarkers with breast cancer by molecular subtype: analysis of the MEND study
Notice bibliographique
Résumé
There is conflicting evidence on the role of lipid biomarkers in breast cancer (BC), and no study to our knowledge has examined this association among African women. We estimated odds ratios (ORs) and 95% confidence intervals (95% CI) for the association of lipid biomarkers-total cholesterol, high-density lipoprotein (HDL), low-density lipoprotein (LDL), and triglycerides-with odds of BC overall and by subtype (Luminal A, Luminal B, HER2-enriched and triple-negative or TNBC) for 296 newly diagnosed BC cases and 116 healthy controls in Nigeria. Each unit standard deviation (SD) increase in triglycerides was associated with 39% increased odds of BC in fully adjusted models (aOR: 1.39; 95% CI: 1.03, 1.86). Among post-menopausal women, higher total cholesterol (aOR: 1.65; 95% CI: 1.06, 2.57), LDL cholesterol (aOR: 1.59; 95% CI: 1.04, 2.41), and triglycerides (aOR: 1.91; 95% CI: 1.21, 3.01) were associated with increased odds of BC. Additionally, each unit SD increase in LDL was associated with 64% increased odds of Luminal B BC (aOR 1.64; 95% CI: 1.06, 2.55). Clinically low HDL was associated with 2.7 times increased odds of TNBC (aOR 2.67; 95% CI: 1.10, 6.49). Among post-menopausal women, higher LDL cholesterol and triglycerides were significantly associated with increased odds of Luminal B BC and HER2 BC, respectively. In conclusion, low HDL and high LDL are associated with increased odds of TN and Luminal B BC, respectively, among African women. Future prospective studies can definitively characterize this association and inform clinical approaches targeting HDL as a BC prevention strategy.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».