Gail乳腺癌风险评估模型测评工具在我国妇女人群中的适用性研究

目的:探讨Gail乳腺癌风险评估模型测评工具用于筛查我国妇女人群中乳腺癌高风险妇女的应用价值。方法:回顾性调查200例乳腺癌患者及200例健康体检女性的乳腺疾病史、年龄、初潮年龄、初产年龄、一级亲属乳腺癌家族史、乳腺活检情况及种族等资料,应用Gail乳腺癌风险评估模型测评工具评估5年前乳腺癌发病风险,绘制ROC曲线并分析测评工具的筛检试验价值。结果:乳腺癌组中24例及正常对照组中7例,经评估后提示有5年内乳腺癌发病高风险。Gail模型测评工具应用的筛检试验评价结果为灵敏度12.0%,特异度96.5%,Youden指数8.5%,诊断指数1.085,误诊率0.035,漏诊率0.880,阳性似然比3.429,阴性似然比0.912,阳性预测值77.4%,阴性预测值52.3%,诊断符合率54.3%,ROC曲线下面积为0.543,Kappa分析结果为两种方法得出的结果无一致性。结论:在该研究中,Gail乳腺癌风险评估模型测评工具筛检乳腺癌发病高风险妇女价值不高,其是否符合我国妇女情况的乳腺癌危险度评估还有待于进一步的研究。     

Gail和Cuzick-Tyrer乳腺癌风险评估模型应用的初探

目的评估Gail和Cuzick-Tyrer乳腺癌风险评估模型的应用价值。方法分别用Gail模型和Cuzick-Tyrer模型进行回顾性分析300例浸润侵乳腺癌患者和267名健康女性5年患乳腺癌的风险评估结果。分析诊断性试验结果,χ~2检验和ROC曲线下面积对Gail模型和Cuzick-Tyrer模型的风险值进行比较。结果在病例组和对照组中Gail模型的诊断试验结果,敏感度为68.97%,特异度为60.78%,阳性预测值为60.00%,阴性预测值为69.66%(χ~2=16.679,P0.05),ROC曲线下面积为0.682。Cuzick-Tyrer模型的诊断试验结果,敏感度为80.72%,特异度为68.87%,阳性预测值为67.00%,阴性预测值为82.02%(χ~2=45.947,P0.05),ROC曲线下面积为0.842。结论 Gail模型和Cuzick-Tyrer模型均可用于评估人群患乳腺癌的风险,但Cuzick-Tyrer模型评估准确性较Gail模型高。     

Gail乳腺癌评估模型在乳腺癌社区预防的应用

目的:探讨Gail乳腺癌评估模型在社区预防乳腺癌的应用。方法:于2009年1月～2011年4月对深圳市宝安区729名35～65岁社区妇女进行乳腺保健教育,使用Gail乳腺癌评估模型评估乳腺癌发病风险,实施乳腺临床检查、乳腺B超检查或/和乳腺X线检查,并进行追踪随访1年,分析和总结Gail乳腺癌评估模型在社区预防乳腺癌中的作用。结果:729名妇女中筛查出高风险274人,低风险455人;高风险人群乳腺疾病检出率64.23%,低风险人群乳腺疾病检出率63.30%,两组检出率差异无统计学意义(P>0.05);高风险组乳腺肿块和乳腺癌的检出率高于低风险组,差异有统计学意义(P<0.05)。结论:进行乳腺癌发病风险评估,从而有针对性地对重点人群进行干预,Gail乳腺癌评估模型在社区乳腺癌的预防中有一定的参考价值。     

Gail乳腺癌风险评估模型的应用价值初探

[目的]探讨Gail乳腺癌风险评估模型在上海市黄浦区范围内评估乳腺癌高危人群的应用价值。[方法]采用病例对照研究回顾性地调查了黄浦区户籍的156例乳腺癌病例和198例年龄匹配的对照人群,对年龄、乳腺疾病史、家族史、初潮年龄、初产年龄、乳腺活检情况及种族的资料,应用Gail乳腺癌风险评估模型评估5年前的发病风险。[结果]病例组72例及对照组11例,经模型评估后提示有5年内乳腺癌发病高风险。Gail模型作为诊断试验的评价结果,其灵敏度为50.3%,特异度为92.0%,阳性预测值为86.7%,阴性预测值为64.0%(χ2=60.09,P=0.000;配对χ2=43.90,P=0.000),约登指数为0.423,总一致性为70.7%。[结论]Gail乳腺癌风险评估模型在本研究中对乳腺癌发病高风险人群的预测价值没有达到预期效果,其作为高风险人群乳腺癌筛查的工具还有待进一步研究。     

深圳市女性乳腺癌风险评估模型的研究

目的建立深圳市女性乳腺癌风险评估模型并检测其效能。方法采用t检验,χ2检验和Logistic回归分析乳腺活体组织检查(活检)史、激素替代治疗史、胸部放疗史、明确的BRAC1/BRAC2基因突变、非典型增生、原位癌及乳腺癌既往史、月经婚育史、乳腺癌、卵巢癌、输卵管癌、原发性腹膜癌家族史,明确乳腺癌发病的危险因素和保护因素,建立乳腺癌风险评估模型(Logistic多元回归方程),并绘制ROC曲线与Gail等模型在检验效能上进行初步对比。结果根据样本资料所建立的Logistic模型比Gail模型更有优势,ROC曲线下面积为0.721,模型较好。结论应用Logistic回归分析法建立深圳市女性乳腺癌风险评估模型可行。     

北京、广州两地女性乳腺癌危险因素筛选

[目的]了解北京、广州两地女性乳腺癌的发病水平,筛选危险因素。[方法]于2006年到2007期间问卷调查了2223人,其中乳腺癌病人729例,对照1494例,分析调查所得资料。[结果]妇女罹患乳腺癌的可能危险因素中影响较突出的是:有绝经史、有流产史、有药物避孕史、有乳腺癌家族史、不良情绪、不良事件、情绪调节能力差、劳动强度大、年龄。[结论]乳腺癌重在预防,应结合其危险因素开展积极有效的防治措施     

应用分类树模型筛选恶性肿瘤危险因素的研究

目的介绍分类树模型筛选恶性肿瘤危险因素基本原理、运算法则和应用价值.方法以浙江省嘉善县乳腺癌现场调查数据为例,采用Exhaustive CHAID法建立分类树模型对调查结果进行危险因素筛选,使用错分概率Risk值和ROC曲线下面积对模型进行评价.结果分类树模型从全部105个候选变量中筛选出9个危险因素,其中职业是最重要的影响因素,工人、教师及退休人员的乳腺癌发生概率显著高于其他人员.另外,模型显示经常参加体育锻炼在不同人群中对乳腺癌的影响效果有所不同.模型错分概率Risk值为0.174,利用预测概率绘制的ROC曲线下面积为0.872,与0.5比较具有显著的统计学意义,模型拟合效果很好.结论分类树模型不仅可以有效挖掘筛选出主要的影响因素,还可以对研究变量科学定义分界点,展示变量间复杂的相互作用,在流行病学研究中具有较高的应用价值.     

乳腺密度联合Gail模型对乳腺癌诊断的临床价值

目的：探讨乳腺密度联合Gail模型对女乳腺癌诊断的临床价值。方法：选择40例患者,所有患者均病理检查确诊乳腺癌,联合组使用乳腺密度检测联合Gail模型进行评估,乳腺密度则单纯通过乳腺密度检查,Gail模型组单纯使用Gail模型评估,比较各组对乳腺癌诊断的价值。结果：Gail模型分型结果显示,高风险者拟诊恶性比率多于良性者（P〈0.05）;乳腺密度结果显示,拟诊恶性者其乳腺密度高于拟诊良性者（P〈0.05）;联合组病理相符度为97.5%,高于乳腺密度组和Gail模型组（P〈0.05）。结论：乳腺密度联合Gail模型预测乳腺癌,能显著提高其诊断乳腺癌符合率,利于对高风险人群进行早期干预,达到降低乳腺癌死亡率的目的。     

Gail乳腺癌风险评估模型在临床上的应用价值

目的探讨Gail乳腺癌风险评估模型在临床上的应用价值。方法选取经病理确诊为武威市乳腺癌患者98例作为乳腺癌组,同期抽取病理诊断为非乳腺癌人群98例作为对照组,所有患者都给予乳腺密度检查与建立Gail值模型,判断诊断效果。结果观察组的乳腺密度为(91.75±1.47)%,显著高于对照组的(38.26±6.12)%(P0.05)。观察组中乳腺密度诊断乳腺癌57例,占比58.16%;对照组诊断乳腺癌12例,占比12.24%。观察组中Gail模型诊断乳腺癌高风险65例,占比66.33%;对照组诊断乳腺癌高风险3例,占比3.06%。乳腺密度+Gail模型联合诊断乳腺癌95例,占比96.94%;对照组无诊断乳腺癌,占比0.0%。在196例患者中,乳腺密度诊断符合率为67.86%,Gail模型诊断符合率为78.57%,乳腺密度+Gail模型联合诊断符合率为98.47%,对比差异有统计学意义(P0.05)。其中Gail模型诊断乳腺癌的灵敏度为64.29%、特异度为98.96%、约登指数为0.882。结论 Gail乳腺癌风险评估模型在武威市腺癌发病高风险人群的预测价值较高,可为乳腺癌的二级预防探索了一种有效的新方法。     

基于2013版超声乳腺影像报告数据系统的乳腺癌预测因素Logistic回归分析

目的基于2013版超声乳腺影像报告数据系统(BI-RADS)对乳腺癌预测因素进行分析。方法回顾性收集2015年1月-2017年12月在六安市人民医院住院治疗的女性乳腺疾病患者的超声和病案资料,患者均行超声检查并经病理证实。超声资料根据2013版BI-RADS中的影像词典进行描述,采用Logistic回归模型纳入超声和病案资料进行乳腺癌诊断的预测因素分析,并采用受试者工作特征曲线(ROC曲线)评价回归模型的预测价值。结果共有效收集2192例乳腺疾病患者资料,乳腺癌531例(24. 2%),乳腺良性病变1661例(75. 8%),多因素分析结果显示临床资料中,年龄≥40岁、有乳腺疾病史和吸烟史是乳腺癌的独立预测因素;超声资料中,形态不规则、不平行生长、肿块内细钙化、内部低回声或无回声、边缘不完整、边界高回声晕、Cooper韧带改变和腋窝淋巴结肿大是乳腺癌的独立预测因素。ROC曲线下面积为0. 993,标准误为0. 007,P0. 001,95%CI为(0. 980～1. 000)。结论基于2013版超声BI-RADS并结合临床资料建立的Logistic回归模型可以筛选出更多有诊断价值的指标,且该模型拟合效果较好,对乳腺癌的预测价值较高,可以进一步提高诊断效率。     

Risk of Developing Breast Cancer by Utilizing Gail Model

The Gail model has been widely used to quantify an individual woman's risk of developing breast cancer by using important clinical parameters, usually for clinical counselling purposes or to determine eligibility for mammography and genetic tests. The aim of the present study was to estimate the five-year and lifetime breast cancer risk among women in Rasht, Iran. In this cross-sectional study, 314 women were evaluated at Alzahra Women Hospital in 2007. Participants were ≥35 years of age without a history of breast cancer. Risk estimation was performed using the computerized Gail model. A five-year risk >1.66% was considered high-risk; 5.1% of women were high-risk. The mean five-year breast cancer risk was 0.8% (SD±1). Mean breast cancer risk up to the age of 90 years (lifetime risk) was 9.0% (SD±3.9%); 16.2% of the participants had a five-year risk higher than the average woman of the same age, and 18.2% had the same risk. Also for the lifetime risk, 11.1% of the women had higher risk and 1.6% had the same risk as the average woman. Routine use of the Gail model is recommended for identifying women at high average risk for increasing the survival of women from breast cancer.     

乳腺癌风险评估与预测的模型及应用

乳腺癌风险评估与预测可以帮助临床医生评估采取预防性化疗或手术的必要性,并指导受试者的口常生活,达到减小患乳腺癌风险的目的.Gail、Claus、BRCAPRO和Cuzick-Tyrer模型是常见的4种风险评估模型.文章对上述4种模型的建立、使用、优缺点及应用范围进行论述,并使用各模型对一名有乳腺癌家族史的受试者进行风险评估;各模型预测结果差异有统计学意义;到45岁,以上4种模型预测值及人群平均累积发病概率分别为1.9%、11.8%、2.5%、5.0%和1.6%;而到75岁,分别为20.2%、32.5%、13.1%、25.0%和8.5%,受试者有较高的乳腺癌发病风险.新模犁的建立需要综合考虑各方面重要的风险因子,并进行大规模人群的验证研究.     

Individualised risk estimation and the nature of prevention

Statistical risk models hold substantial promise for the practice of cancer prevention by helping to identify high risk populations and subsequently guide decisions about surveillance, further testing and treatments. They have come under criticism for creating new categories of disease-free but ‘at risk’ individuals. We analysed the debate over the interpretation of risk estimates to assess the importance of these models for the practice of cancer prevention. In particular, we focused on the Gail model for breast cancer risk assessment as a case study, because it is widely used and has been promoted directly to consumers. We describe the critiques that have been offered of the Gail model for individualised risk assessment, such as that classification of a new ‘high risk’ category may increase the use of medical intervention in otherwise healthy individuals. We then analyse the primary methodological limitations of individualised risk models, which are often overlooked in the application of these models and interpretation of their results. In particular, the application of statistical risk models like the Gail model to individuals fails to acknowledge the uncertainty surrounding estimates of individual risk. Moreover, putting the focus of risk management at the individual level minimises the influence of important environmental factors on risk, such as social influences and policies that may impact behaviour or outcomes. Overall, the increasing use of individualised risk estimates for individual decision-making may obscure the fact that successful disease prevention requires intervention on all levels, including the political, social, economic and individual level.     

结直肠癌手术部位感染危险因素及预测模型

目的分析结直肠癌患者手术部位感染(SSI)的特点,建立预测模型并验证。方法选取2017年4月-2020年5月结直肠癌外科手术患者85例,分为SSI感染组(n=18)、未感染组(n=67),比较两组临床资料,分析SSI危险因素并建立预测模型,进行验证。结果18例SSI患者共检出病原菌27株,其中革兰阴性菌(18株)以大肠埃希菌为主,革兰阳性菌(8株)以金黄色葡萄球菌为主;大肠埃希菌、肺炎克雷伯菌、铜绿假单胞菌对氨苄西林、第三代头孢、四环素、氧氟沙星耐药率较高,对亚胺培南耐药率低,金黄色葡萄球菌对阿莫西林、头孢噻肟、阿米卡星均耐药;年龄、体质量指数(BMI)、合并糖尿病、Dukes分期、手术时间、手术类型、手术切口类型为结直肠癌患者术后发生SSI的独立危险因素,而术前白蛋白水平、补充益生菌为保护因素(P<0.05);经Logistic回归得到的9个相关因素建立SSI预测模型,其预测SSI的接受者工作特征曲线(ROC)下面积为0.869,该模型SSI预测值与实际发生率比较,无统计学差异。结论结直肠癌患者术后发生SSI易受较多因素影响,且SSI感染病原菌以大肠埃希菌、金黄色葡萄球菌为主,经多因素分析结果建立的预测模型有较好符合度,对筛选结直肠癌术后发生SSI高危人群有一定参考价值。     

采用XGBoost和随机森林探索中国西部女性乳腺癌危险因素

目的 采用XGBoost和随机森林法探索中国西部女性乳腺癌危险因素。方法 2014-2015年间采用病例对照研究设计序贯收集病例788例,对照801例。问卷调查研究对象乳腺癌相关危险因素信息;采用飞行时间质谱生物芯片技术检测对象乳腺癌易感基因的SNPs突变,并估计多个基因的联合评分（polygenetic risk score,PRS）。按绝经状态为分层因素,分别用XGBoost和随机森林构建绝经前/后乳腺癌风险预测模型,筛选乳腺癌相关危险因素并进重要性排序。结果 两种算法筛选的乳腺癌危险因素清单前10位显示,绝经前/后主要的危险因素包括总哺乳时间、人工节育器累积使用时间、PRS、被动吸烟年限、BMI及体重信息和年龄。两种模型在绝经前后AUC值均大于70%。结论 通过两种机器学习法筛选的危险因素较为一致,这些因素将有助于筛选中国西部女性的乳腺癌高危因素,以实现乳腺癌风险分级管理。     

乳腺癌风险评估与预测的模型及应用

乳腺癌风险评估与预测可以帮助临床医生评估采取预防性化疗或手术的必要性,并指导受试者的口常生活,达到减小患乳腺癌风险的目的.Gail、Claus、BRCAPRO和Cuzick-Tyrer模型是常见的4种风险评估模型.文章对上述4种模型的建立、使用、优缺点及应用范围进行论述,并使用各模型对一名有乳腺癌家族史的受试者进行风险评估;各模型预测结果差异有统计学意义;到45岁,以上4种模型预测值及人群平均累积发病概率分别为1.9%、11.8%、2.5%、5.0%和1.6%;而到75岁,分别为20.2%、32.5%、13.1%、25.0%和8.5%,受试者有较高的乳腺癌发病风险.新模犁的建立需要综合考虑各方面重要的风险因子,并进行大规模人群的验证研究.     

亚裔女性乳腺癌危险因素的Meta分析

目的 综合评价亚裔女性乳腺癌的危险因素及关联强度,为建立风险预测模型提供依据.方法 系统地收集1995-2010年亚裔女性乳腺癌危险因素的相关研究文献;按照NOS标准对纳入文献进行质量评价;采用RevMan 4.2软件进行数据分析,得到合并的OR值及其95%CI.结果 纳入合格研究文献27篇,共计研究对象403 170例.文献质量评价A级文献20篇、B级文献7篇,纳入文献质量较高;有统计学意义的乳腺癌危险因素依次为流产次数≥3次、有乳腺癌家族史、初产年龄≥30岁、吸烟、未生育史、未哺乳史、初潮年龄≤12岁和饮酒,OR值分别为3.00(95%CI: 1.68～5.36)、2.39(95%CI:1.78～3.21)、1.54(95%CI: 1.30～1.82)、1.50(95%CI:1.03～2.20)、1.48(95%CI:1.20～1.83)、1.29(95%CI:1.12～1.47)、1.26(95%CI:1.07～1.49)和1.16(95%CI:1.01～1.32).结论 流产次数≥3次、有乳腺癌家族史、初产年龄≥30岁、吸烟、未生育史、未哺乳史、初潮年龄≤12岁和饮酒是建立亚裔女性乳腺癌风险预测模型首要考虑的危险因素.

Abstract：

Objective To evaluate the risk factors of breast cancer in Asian women and to provide evidences for establishing a risk assessment model. Methods Published studies concerning risk factors of breast cancer in Asian women were searched systemically and assessed by NOS (Newcastle-Ottawa Scale) items between 1995 and 2010. RevMan 4.2 software was used for data analysis and for calculating OR and its 95%CI on every risk factor. Results 27 studies including 403170 women were selected for Meta-analysis. According to NOS items, 20 studies were classified as A degree and 7 studies were evaluated as B degree. The risk factors of breast cancer and its pooled odds ratio values with statistical significance were as follows: 3.00 (95%CI: 1.68-5.36) when number of abortions≥3; 2.39 (95%CI: 1.78-3.21 ) when with family history of breast cancer; 1.54(95%CI: 1.30-1.82) when age at first live birth ≥30 (year); smoking was 1.50(95%CI: 1.03-2.20); 1.48(95%CI:1.20-1.83) with no live births; 1.29 (95%CI: 1.12-1.47) with no breast feeding; 1.26 (1.07-1.49)with age at menarche ≤12 (year) and 1.16(95%CI: 1.01-1.32) with alcohol drinking. Conclusion Number of abortions≥3, family history of breast cancer, age at first live birth ≥30 (year) ,smoking, no live births, no breast feeding, age at menarche ≤ 12 (year), and alcohol drinking were among the priorities in the establishment of breast cancer risk assessment model for Asian women.