Temporal changes in mammographic breast density and breast cancer risk among women with benign breast disease
Notice bibliographique
Résumé
INTRODUCTION: Benign breast disease (BBD) and high mammographic breast density (MBD) are prevalent and independent risk factors for invasive breast cancer. It has been suggested that temporal changes in MBD may impact future invasive breast cancer risk, but this has not been studied among women with BBD. METHODS: We undertook a nested case-control study within a cohort of 15,395 women with BBD in Kaiser Permanente Northwest (KPNW; 1970-2012, followed through mid-2015). Cases (n = 261) developed invasive breast cancer > 1 year after BBD diagnosis, whereas controls (n = 249) did not have breast cancer by the case diagnosis date. Cases and controls were individually matched on BBD diagnosis age and plan membership duration. Standardized %MBD change (per 2 years), categorized as stable/any increase (≥ 0%), minimal decrease of less than 5% or a decrease greater than or equal to 5%, was determined from baseline and follow-up mammograms. Associations between MBD change and breast cancer risk were examined using adjusted unconditional logistic regression. RESULTS: Overall, 64.5% (n = 329) of BBD patients had non-proliferative and 35.5% (n = 181) had proliferative disease with/without atypia. Women with an MBD decrease (≤ - 5%) were less likely to develop breast cancer (Odds Ratio (OR) 0.64; 95% Confidence Interval (CI) 0.38, 1.07) compared with women with minimal decreases. Associations were stronger among women ≥ 50 years at BBD diagnosis (OR 0.48; 95% CI 0.25, 0.92) and with proliferative BBD (OR 0.32; 95% CI 0.11, 0.99). DISCUSSION: Assessment of temporal MBD changes may inform risk monitoring among women with BBD, and strategies to actively reduce MBD may help decrease future breast cancer risk.
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 | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».