Use and Applicability of the Gail Model to Calculate Breast Cancer Risk: A Scoping Review

Objective: To perform a scoping review of the applicability of the Gail model in different countries for different ethnicities. Methods: The review was conducted based on the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews (PRISMA-ScR) checklist and search strategies based on the PICOS approach. The reviewed articles were included if they were published between 2013 and 2018 in English, Portuguese, or Spanish; were original articles available in full online; and described the use of the Gail model. The PubMed, Embase, and Web of Science data bases were searched. Results: A total of 38 articles eligible for analysis were identified, of which 16 used the Gail model to assess breast cancer risk in women, eight analyzed the applicability of this tool in their population, seven compared the tool and/or modified it according to the specific risk factors of their population, and seven cited the model in determining eligibility for chemoprevention. Conclusion: The Gail model has different applicabilities Greater effectiveness and breast cancer risk are found in developed countries.     

前列腺癌早期诊断的研究进展北大核心

前列腺癌(prostate cancer, PCa)是中老年男性常见恶性肿瘤之一,目前尚缺乏有效的晚期癌症治疗方法,因此早期诊断对于降低PCa死亡率至关重要。近年来,较多研究开发出多种新型诊断方法以改善对PCa诊断的准确性,同时避免过度诊疗,但其有效性及实用性尚需进一步验证。本文对目前新型生物标志物、联合成像技术及风险预测模型等的早期诊断技术进行总结,以期为临床研究提供指导作用。     

IL-37b作用于树突状细胞CD39/ATP轴抑制类风湿性关节炎大鼠炎症反应的作用及机制

目的探讨白细胞介素37b重组蛋白(rmIL-37b)通过调节CD39/ATP轴抑制树突状细胞(DC)诱导类风湿性关节炎(RA)大鼠炎症反应的机制。方法将SD大鼠随机分为空白对照组(CTL)、CIA模型组、rmIL-37b 5μg/kg组、rmIL-37b 10μg/kg组,每组各10只。除了空白对照组外,其余大鼠采用含有卡介苗的完全弗氏佐剂和牛Ⅱ型胶原混合乳液免疫刺激,建立CIA模型。确定建模成功当天(D0),rmIL-37b组分别尾静脉注射5μg/kg、10μg/kg rmIL-37b;CTL组和CIA模型组注射相同体积的(1 ml/kg)生理盐水,连续给药15 d。免疫组化法检测滑膜组织Nod样受体蛋白3(NRPL3)炎症小体的表达,流式细胞术检测DC表型,另外试剂盒检测血清三磷酸腺苷(ATP)和免疫学指标。结果与CIA模型组相比,rmIL-37b 10μg/kg组大鼠足容积、AI值、NLRP3炎症小体表达量、血清ATP、IL-1β、IL-18、肿瘤坏死因子α(TNF-α)、抗Ⅱ型胶原抗体亚型(anti-ColⅡ-IgG、anti-ColⅡ-IgG2a)水平均降低,同时DC表面CD...     

基于超声影像组学的乳腺癌预测模型的诊断性能研究

目的评估并比较基于不同机器学习算法建立的乳腺癌超声影像组学预测模型的诊断性能。 方法回顾性收集2017年1月至2019年4月就诊皖南医学院第一附属医院、有明确病理结果的乳腺肿块病例828例，以2018年8月31日为节点将其分为训练集（526例）和验证集（302例），提取肿块的超声影像组学特征并进行特征筛选，运用k最近邻（kNN）、逻辑回归（LR）、朴素贝叶斯（NB）、随机森林（RF）和支持向量机（SVM）5种机器学习算法分别建立预测模型，使用重复交叉验证方法做内部验证，计算比较各模型的敏感度、特异度、阳性预测值（PPV）和阴性预测值（NPV），并实施外部验证，绘制ROC曲线并比较ROC曲线下面积（AUC）以评价模型的鉴别诊断性能，绘制校准曲线评价模型校准度。 结果从提取的109个影像组学特征中筛选出19个特征建立了5种机器学习算法模型。在内部验证中，5种模型的敏感度、特异度、PPV、NPV比较，总体差异均有统计学意义（P均＜0.001）。LR模型的特异度、PPV、NPV中位数分别为0.769、0.816、0.778，3项指标均高于其他4种模型；敏感度中位数为0.824，高于kNN、RF和SVM模型。此外，SVM模型的特异度、PPV、NPV中位数分别为0.706、0.774、0.759，虽均低于LR模型，但均高于其他3种模型。在外部验证中，LR、SVM、RF、kNN和NB的AUC依次为0.890、0.832、0.821、0.746和0.703，其中LR与SVM的AUC差异有统计学意义（P=0.012）；此外，各模型在校准性能上表现并不一致，LR和SVM模型的校准曲线显示乳腺癌实际概率与预测概率之间的一致性较好。 结论以超声影像组学特征为基础，运用不同机器学习算法建立的乳腺癌超声预测模型，均表现出较高的诊断性能，其中LR模型表现最为突出；选择合适的机器学习算法有助于进一步提高预测模型的诊断性能，提供更加准确的量化预测结果。