Plasma prolactin and postmenopausal breast cancer risk: a pooled analysis of four prospective cohort studies
Notice bibliographique
Résumé
BACKGROUND: Prolactin, a hormone produced by the pituitary gland, regulates breast development and may contribute to breast cancer etiology. However, most epidemiologic studies of prolactin and breast cancer have been restricted to single, often small, study samples with limited exploration of effect modification. METHODS: The Biomarkers in Breast Cancer Risk Prediction consortium includes 8,279 postmenopausal women sampled from four prospective cohort studies, of whom 3,441 were diagnosed with invasive breast cancer after enrollment. Prolactin concentrations were measured for all study participants on plasma samples collected when all women were postmenopausal and before any breast cancer diagnosis using ELISA assays. Pooled, unconditional logistic regression models, adjusted for confounders, estimated odd ratios (OR) for associations of prolactin and postmenopausal breast cancer risk overall and stratified by breast cancer risk factors. RESULTS: Higher plasma prolactin concentrations were positively associated with postmenopausal breast cancer risk (> 13.2 ng/mL vs. < 7.9 ng/mL, OR: 1.20, 95% CI: 1.06, 1.36; P-trend < 0.001). Although associations did not appear to vary by time since blood draw or most breast cancer risk factors, associations were primarily observed in current users of postmenopausal hormones at blood draw (> 13.2 ng/mL vs. < 7.9 ng/mL, current users, OR: 1.58, 95% CI: 1.27, 1.96, P-trend < 0.001; non-current users, OR: 1.08, 95% CI: 0.93, 1.27, P-trend = 0.11; P-heterogeneity = 0.06). CONCLUSION: Prolactin may be a risk factor for postmenopausal breast cancer, particularly in the context of postmenopausal hormone use. Investigations of prolactin interactions with other hormonal factors may further inform breast cancer etiology.
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 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».