Body Mass Index and Metabolic Phenotypes in Breast Cancer Risk: A Meta-Analysis and Systematic Review
Notice bibliographique
Résumé
Introduction: Numerous studies have established that obesity, often assessed through body mass index (BMI), is one of the most significant risk factors for the development of breast cancer (BC). However, not all individuals with obesity have the same risk of developing BC and vice versa. Objective: To determine the association between metabolic states and the risk of BC. Materials: AS systematic review (SR) with a meta-analysis of cohort studies was conducted. The search was performed in four databases: PubMed/Medline, SCOPUS, Web of Science, and EMBASE. Metabolic states were classified as Metabolically Healthy Normal Weight (MHNW), Metabolically Unhealthy Normal Weight (MUNW), Metabolically Healthy Obesity (MHO), and Metabolically Unhealthy Obesity (MUO). Association measures were presented as hazard ratios (HR) with their 95% confidence intervals (CI95%). Results: A total of four studies were evaluated. The meta-analysis found a statistically significant association between the development of BC and the MHO state (HR: 1.14; CI95% 1.02, 1.28) and MUO state (HR: 1.37; CI95% 1.16, 1.62) compared to individuals with MHNW. No association was found with the MUNW state. Conclusions: The findings suggest that obesity, as determined by BMI, is significantly associated with an increased risk of BC, regardless of metabolic state. Additionally, metabolically unhealthy states, especially in obese individuals, appear to increase the risk of BC. Proposed mechanisms include systemic inflammation, metabolic dysfunction, and altered hormone production. These results have important public health implications, emphasizing the need for prevention strategies focused on obesity management and awareness of its associated BC risks.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».