Biomarqueurs d'exposition aux composés organochlorés et risque de cancer du sein : analyse de l'étude cas-témoins en population générale CECILE basée sur l'utilisation de modèles pharmacocinétiques
Bibliographic record
Abstract
Le cancer du sein est le plus fréquent des cancers de la femme. Son incidence n’est expliquée que partiellement par les facteurs de risque bien établis comme les facteurs reproductifs, hormonaux ou génétiques. Plusieurs éléments suggèrent l’existence de facteurs de risque environnementaux, tels que les polluants organochlorés persistants connus comme perturbateurs endocriniens. Les objectifs de ce travail sont : d’étudier les niveaux d’exposition, et leurs déterminants, au DDE (principal métabolite de l’insecticide DDT) et aux polychlorobiphényles (PCB) ; d’estimer par une modélisation pharmacocinétique à base physiologique (PBPK) les niveaux d’exposition au PCB-153 à la période péri-pubertaire qui constitue une fenêtre de susceptibilité accrue de la glande mammaire aux agents environnementaux ; d’étudier le rôle du DDE et du PCB-153 dans le risque de cancer du sein, à la fois à partir de prélèvements sanguins actuels et, pour le PCB-153, à partir de niveaux estimés à la période péri-pubertaire.Ce travail a été effectué à partir de l’étude CECILE, étude cas-témoins en population générale incluant 1055 témoins et 1080 cas de cancer du sein diagnostiqués de février 2005 à mars 2008 dans les départements d’Ille-et-Vilaine et de Côte d’Or chez lesquels un prélèvement sanguin a permis d’effectuer des dosages de p,p’-DDE et de PCB-153. La modélisation PBPK mise en place en coopération avec une équipe de toxicologues canadiens a permis de simuler des profils toxicocinétiques vie entière de PCB-153 et d’estimer les niveaux d’exposition au cours de la puberté. Cette modélisation est basée sur les niveaux mesurés au moment de l’enquête, les facteurs individuels de variation (poids, taille, grossesses, allaitement) connus d’après le questionnaire et la courbe de contamination environnementale au cours du temps.Les niveaux de contamination biologique observés sont plus faibles que ceux rapportés précédemment dans les populations occidentales. Nous montrons également que les principaux facteurs prédictifs des niveaux sériques de p,p’-DDE et de PCB-153 chez les femmes incluent l’âge, les habitudes alimentaires, le poids et ses variations au cours du temps, les grossesses et l’allaitement, et le lieu de résidence. Nous n’observons pas d’association entre les niveaux de p,p’-DDE et le risque de cancer du sein, mais une association inverse apparaît pour les cancers du sein de type négatifs pour les récepteurs hormonaux. Nous observons également une association inverse avec les niveaux de PCB-153 chez les femmes de 50 ans et plus. L’association inverse est renforcée lorsque les niveaux sont estimés pour la période péri-pubertaire à l’aide des modèles PBPK chez les femmes de la génération 1951-1960, correspondant à la cohorte de naissance des femmes de plus de 50 ans ayant connu les expositions aux PCB les plus élevées durant leur puberté.Plusieurs mécanismes biologiques pourraient expliquer l’association inverse observée entre le cancer du sein et l’exposition aux PCB. Ces résultats doivent être confirmés par des études tenant compte des fenêtres de susceptibilité de la glande mammaire et constituent une piste intéressante à approfondir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".