Breast cancer subtype and screening sensitivity in the Quebec Mammography Screening Program
Notice bibliographique
Résumé
ObjectiveIn mammography screening, interval cancers present a problem. The metric ‘screening sensitivity’ monitors both how well a programme detects cancers and avoids interval cancers. To our knowledge, the effect of breast cancer surrogate molecular subtypes on screening sensitivity has never been evaluated. We aimed to measure the 2-year screening sensitivity according to breast cancer subtypes.MethodsWe studied 734 women with an invasive breast cancer diagnosed between 2003 and 2007 after participating in one regional division of Quebec’s Mammography Screening Program. They represented 83% of all participating women with an invasive BC diagnosis in that region for that period. Tumours were categorized into ‘luminal A-like’, ‘luminal B-like’, ‘triple-negative’ and ‘HER2-positive’ subtypes. We used logistic regression and marginal standardization to estimate screening sensitivity, sensitivity ratios (SR) and sensitivity differences. We also assessed the mediating effect of grade.ResultsAdjusted 2-year screening sensitivity was 75.4% in luminal A-like, 66.1% in luminal B-like, 52.9% in triple-negative and 45.3% in HER2-positive, translating into sensitivity ratios of 0.88 (95% confidence interval [CI] = 0.78–0.98) for luminal B-like, 0.70 (CI = 0.56–0.88) for triple-negative and 0.60 (CI = 0.39–0.93) for HER2-positive, when compared with luminal A-like. Grade entirely mediated the subtype-sensitivity association for triple negative and mediated it partly for HER2-positive. Screening round (prevalent vs. incident) did not modify results.ConclusionThere was substantial variation in screening sensitivity according to breast cancer subtypes. Aggressive phenotypes showed the lowest sensitivity, an effect that was mediated by grade. Tailoring screening according to women’s subtype risk factors might eventually lead to more efficient programs.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».