Risk factors for breast cancer subtypes by race and ethnicity: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Breast cancer consists of distinct molecular subtypes. Studies have reported differences in risk factor associations with breast cancer subtypes, especially by tumor estrogen receptor (ER) status, but their consistency across racial and ethnic populations has not been comprehensively evaluated. METHODS: We conducted a qualitative, scoping literature review using the Preferred Reporting Items for Systematic Reviews and Meta-analysis, extension for Scoping Reviews to investigate consistencies in associations between 18 breast cancer risk factors (reproductive, anthropometric, lifestyle, and medical history) and risk of ER-defined subtypes in women who self-identify as Asian, Black or African American, Hispanic or Latina, or White. We reviewed publications between January 1, 1990 and July 1, 2022. Etiologic heterogeneity evidence (convincing, suggestive, none, or inconclusive) was determined by expert consensus. RESULTS: Publications per risk factor ranged from 14 (benign breast disease history) to 66 (parity). Publications were most abundant for White women, followed by Asian, Black or African American, and Hispanic or Latina women. Etiologic heterogeneity evidence was strongest for parity, followed by age at first birth, postmenopausal body mass index, oral contraceptive use, and estrogen-only and combined menopausal hormone therapy. Evidence was limited for other risk factors. Findings were consistent across racial and ethnic groups, although the strength of evidence varied. CONCLUSION: The literature supports etiologic heterogeneity by ER for some established risk factors that are consistent across race and ethnicity groups. However, in non-White populations evidence is limited. Larger, more comparable data in diverse populations are needed to better characterize breast cancer etiologic heterogeneity.
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 | 0,019 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,012 |
| Bibliométrie | 0,024 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».