Antipsychotic Use and Risk of Breast Cancer in Women With Severe Mental Illness: Replication of a Nationwide Nested Case–Control Database Study
Notice bibliographique
Résumé
BACKGROUND AND HYPOTHESIS: Breast cancer is more prevalent in women with severe mental illness than in the general population, and use of prolactin-increasing antipsychotics may be a contributing factor. STUDY DESIGN: A nested case-control study was conducted using the Swedish nationwide registers (inpatient/outpatient care, sickness absence, disability pension, prescribed drugs, cancers). All women aged 18-85 years with schizophrenia/schizoaffective/other nonaffective psychotic disorder/bipolar disorder and breast cancer (cases) were matched for age, primary psychiatric diagnosis, and disease duration with five women without cancer (controls). The association between cumulative exposure to prolactin-increasing/prolactin-sparing antipsychotics and breast cancer was analyzed using conditional logistic regression, adjusted for comorbidities and co-medications. STUDY RESULTS: Among 132 061 women, 1642 (1.24%) developed breast cancer between 2010 and 2021, at a mean age of 63.3 ± 11.8 years. Compared with 8173 matched controls, the odds of breast cancer increased in women with prior exposure to prolactin-increasing antipsychotics for 1-4 years (adjusted odds ratio [aOR] = 1.20, 95% confidence interval [CI] = 1.03-1.41), and for ≥ 5 years (aOR = 1.47, 95%CI = 1.26-1.71). There were no increased or decreased odds of breast cancer with exposure to prolactin-sparing antipsychotics of either 1-4 years (aOR = 1.17, 95%CI = 0.98-1.40) or ≥5 years (aOR = 0.99, 95%CI = 0.78-1.26). The results were consistent across all sensitivity analyses (ie, according to different age groups, cancer types, and primary psychiatric diagnosis). CONCLUSIONS: Although causality remains uncertain, exposure to prolactin-elevating antipsychotics for ≥ 1 year was associated with increased odds of breast cancer in women with severe mental illness. When prescribing antipsychotics, a shared decision-making process should consider individual risk factors 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».