Is there an association between antipsychotic use and breast cancer risk? A retrospective observational case series
Notice bibliographique
Résumé
Abstract Background Breast cancer remains a leading cause of cancer-related morbidity and mortality among women globally. Antipsychotic medications, particularly those that elevate serum prolactin, have been implicated as potential contributors to breast carcinogenesis. However, clinical evidence from the Gulf region remains limited. Methods A retrospective observational case series was conducted at Al-Masarra Hospital, Oman’s largest governmental psychiatric referral center. A total of 1,200 electronic medical records (2013–2025) of female patients receiving antipsychotic therapy were screened. Records containing breast-related keywords and laboratory-confirmed hyperprolactinemia were further reviewed. Only cases with histologically confirmed breast cancer following antipsychotic use were included. Results Four cases met the inclusion criteria. All patients were female, married, illiterate, and from Muscat. They were treated with typical antipsychotics and atypical antipsychotics. Duration of antipsychotic use ranged from 8 to 27 years. All cases had documented hyperprolactinemia prior to their breast cancer diagnosis. One patient had a first-degree relative with breast cancer, and three had comorbid metabolic conditions. Invasive breast cancer was diagnosed in all four cases, and no record of prior routine breast cancer screening was found. Conclusion This case series suggests a potential association between prolonged use of prolactin-elevating antipsychotics and the development of invasive breast cancer in a small subset of women. These findings highlight systemic barriers to early detection, such as stigma and limited health literacy. However, given the retrospective nature of the study and the very limited number of identified breast cancer cases (n = 4), the possibility that this association occurred by chance cannot be excluded. This limitation must be considered when interpreting the results. Nevertheless, the findings highlight the necessity for national guidelines on prolactin monitoring, proactive screening protocols, enhanced interdisciplinary collaboration, and specialized education for mental health professionals, particularly for patients with elevated prolactin levels or a family history of 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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».