Trends in smoking and obesity prevalence at breast cancer diagnosis: results from a 35-year real-world observational study
Notice bibliographique
Résumé
Breast cancer (BC) is the most commonly diagnosed cancer among women. Understanding long-term trends in modifiable risk factors at the time of diagnosis is essential to inform and evaluate the effectiveness of BC prevention strategies. This study assessed 35-year trends in the prevalence of two modifiable risk factors—obesity and smoking—among BC women. We conducted a retrospective cohort study including 14 595 women diagnosed with BC at the Centre des maladies du sein in Quebec City, Canada, between 1987 and 2021. Prevalence ratios (PRs) for obesity and smoking were estimated using multivariable log-binomial regression models adjusted for demographic and clinical characteristics. Over the 35-year period, obesity prevalence at diagnosis significantly increased [PR 1.19; 95% confidence interval (CI) 1.15-1.24; P < 0.0001], while smoking prevalence declined (PR 0.92; 95% CI 0.89-0.95; P < 0.0001). Stratified analyses showed more pronounced increase in obesity (PR 1.40; 95% CI 1.25-1.57; P < 0.0001) and decline in smoking (PR 0.82; 95% CI 0.78-0.86; P < 0.0001) among premenopausal women, compared with postmenopausal women (obesity: PR 1.16; 95% CI 1.11-1.21; P < 0.0001; smoking: PR 0.97; 95% CI 0.93-1.01; P = 0.1555). The rising prevalence of obesity among BC patients at diagnosis underscores the need to strengthen public health efforts targeting obesity prevention. While anti-smoking measures appear to have been effective, additional strategies are warranted to address the growing burden of obesity and its potential impact on BC incidence in Canada and elsewhere. • Smoking at diagnosis declined over 35 years, reflecting effective interventions. • Obesity rates rose, revealing a growing concern among breast cancer patients. • Changes in smoking and obesity were most apparent in premenopausal patients. • Obesity prevention—especially in young women—needs stronger focus.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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 ».