Startsida
Hjälp
Sök i LIBRIS databas

     

 

Sökning: onr:nxcn838flf0rzqh8 > Risk prediction for...

Risk prediction for estrogen receptor-specific breast cancers in two large prospective cohorts [Elektronisk resurs]

Li, Kuanrong (författare)
Anderson, Garnet (författare)
Viallon, Vivian (författare)
Arveux, Patrick (författare)
Kvaskoff, Marina (författare)
Fournier, Agnès (författare)
Krogh, Vittorio (författare)
Tumino, Rosario (författare)
Sánchez, Maria-Jose (författare)
Ardanaz, Eva (författare)
Chirlaque, María-Dolores (författare)
Agudo, Antonio (författare)
Muller, David C (författare)
Smith, Todd (författare)
Tzoulaki, Ioanna (författare)
Key, Timothy J (författare)
Bueno-de-Mesquita, Bas (författare)
Trichopoulou, Antonia (författare)
Bamia, Christina (författare)
Orfanos, Philippos (författare)
Kaaks, Rudolf (författare)
Hüsing, Anika (författare)
Fortner, Renée T (författare)
Zeleniuch-Jacquotte, Anne (författare)
Sund, Malin (författare)
Dahm, Christina C (författare)
Overvad, Kim (författare)
Aune, Dagfinn (författare)
Weiderpass, Elisabete (författare)
Romieu, Isabelle (författare)
Riboli, Elio (författare)
Gunter, Marc J (författare)
Dossus, Laure (författare)
Prentice, Ross (författare)
Ferrari, Pietro (författare)
Sund (medarbetare)
Umeå universitet Medicinska fakulteten (utgivare)
Umeå universitet Medicinska fakulteten (utgivare)
Publicerad: BioMed Central, 2018
Engelska.
Ingår i: Breast Cancer Research. - 1465-5411. ; 20
Läs hela texten
Läs hela texten
Läs hela texten
  • E-artikel/E-kapitel
Sammanfattning Ämnesord
Stäng  
  • BACKGROUND: Few published breast cancer (BC) risk prediction models consider the heterogeneity of predictor variables between estrogen-receptor positive (ER+) and negative (ER-) tumors. Using data from two large cohorts, we examined whether modeling this heterogeneity could improve prediction. METHODS: We built two models, for ER+ (Model ER+ ) and ER- tumors (Model ER- ), respectively, in 281,330 women (51% postmenopausal at recruitment) from the European Prospective Investigation into Cancer and Nutrition cohort. Discrimination (C-statistic) and calibration (the agreement between predicted and observed tumor risks) were assessed both internally and externally in 82,319 postmenopausal women from the Women's Health Initiative study. We performed decision curve analysis to compare Model ER+ and the Gail model (Model Gail ) regarding their applicability in risk assessment for chemoprevention. RESULTS: Parity, number of full-term pregnancies, age at first full-term pregnancy and body height were only associated with ER+ tumors. Menopausal status, age at menarche and at menopause, hormone replacement therapy, postmenopausal body mass index, and alcohol intake were homogeneously associated with ER+ and ER- tumors. Internal validation yielded a C-statistic of 0.64 for Model ER+ and 0.59 for Model ER- . External validation reduced the C-statistic of Model ER+ (0.59) and Model Gail (0.57). In external evaluation of calibration, Model ER+ outperformed the Model Gail : the former led to a 9% overestimation of the risk of ER+ tumors, while the latter yielded a 22% underestimation of the overall BC risk. Compared with the treat-all strategy, Model ER+ produced equal or higher net benefits irrespective of the benefit-to-harm ratio of chemoprevention, while Model Gail did not produce higher net benefits unless the benefit-to-harm ratio was below 50. The clinical applicability, i.e. the area defined by the net benefit curve and the treat-all and treat-none strategies, was 12.7 × 10 - 6 for Model ER+ and 3.0 × 10 - 6 for Model Gail . CONCLUSIONS: Modeling heterogeneous epidemiological risk factors might yield little improvement in BC risk prediction. Nevertheless, a model specifically predictive of ER+ tumor risk could be more applicable than an omnibus model in risk assessment for chemoprevention. 

Ämnesord

Medical and Health Sciences  (hsv)
Clinical Medicine  (hsv)
Surgery  (hsv)
Medicin och hälsovetenskap  (hsv)
Klinisk medicin  (hsv)
Kirurgi  (hsv)
Medical and Health Sciences  (hsv)
Clinical Medicine  (hsv)
Cancer and Oncology  (hsv)
Medicin och hälsovetenskap  (hsv)
Klinisk medicin  (hsv)
Cancer och onkologi  (hsv)

Genre

government publication  (marcgt)

Indexterm och SAB-rubrik

Breast cancer
EPIC
Estrogen receptor
Prospective cohort
Risk prediction
WHI
Inställningar Hjälp

Beståndsinformation saknas

Om LIBRIS
Sekretess
Blogg
Hjälp
Fel i posten?
Kontakt
Teknik och format
Sök utifrån
Sökrutor
Plug-ins
Bookmarklet
Anpassa
Textstorlek
Kontrast
Vyer
LIBRIS söktjänster
SwePub
Sondera
Uppsök

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

Copyright © LIBRIS - Nationella bibliotekssystem

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy