Risk Analysis of Breast Cancer by Using Bilateral Mammographic Density Differences: A Case-Control Study
Notice bibliographique
Résumé
The identification of risk factors helps radiologists assess the risk of breast cancer. Quantitative factors such as age and mammographic density are established risk factors for breast cancer. Asymmetric breast findings are frequently encountered during diagnostic mammography. The asymmetric area may indicate a developing mass in the early stage, causing a difference in mammographic density between the left and right sides. Therefore, this paper aims to propose a quantitative parameter named bilateral mammographic density difference (BMDD) for the quantification of breast asymmetry and to verify BMDD as a risk factor for breast cancer. To quantitatively evaluate breast asymmetry, we developed a semi-automatic method to estimate mammographic densities and calculate BMDD as the absolute difference between the left and right mammographic densities. And then, a retrospective case-control study, covering the period from July 2006 to October 2014, was conducted to analyse breast cancer risk in association with BMDD. The study included 364 women diagnosed with breast cancer and 364 matched control patients. As a result, a significant difference in BMDD was found between cases and controls (P < 0.001) and the case-control study demonstrated that women with BMDD > 10% had a 2.4-fold higher risk of breast cancer (odds ratio, 2.4; 95% confidence interval, 1.3-4.5) than women with BMDD ≤ 10%. In addition, we also demonstrated the positive association between BMDD and breast cancer risk among the subgroups with different ages and the Breast Imaging Reporting and Data System (BI-RADS) mammographic density categories. This study demonstrated that BMDD could be a potential risk factor for breast cancer.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».