肥胖类型对乳腺癌风险影响因HR状态而异/ NSM可有效降低BRCA突变人群乳腺癌风险/根据患者年龄及肿瘤分子分型预测腋窝手术强度

2017 年 9 月 24 日 肿瘤资讯 Aries

主编:Aries
来源:肿瘤资讯

【The Oncologist】中国多中心研究:肥胖类型对乳腺癌风险的影响因HR状态而异

来自中国东北地区多中心大样本病例对照研究入组1439例年龄25-70岁确诊乳腺癌的汉族女性,对照组为门诊定期体检的健康人群,两组年龄、随访时间相仿。结果提示BMI、腰臀比与乳腺癌总风险成正比;BMI与ER+PR+乳腺癌风险、绝经前女性乳腺癌风险成正比;腰臀比与HR-乳腺癌风险成正比、与绝经前女性HR+乳腺癌风险成反比;腰臀比>0.85与绝经后女性HR-乳腺癌风险增加有相关。反映全身型肥胖的BMI与ER+PR+乳腺癌风险相关性更强,尤其绝经前女性;反映向心型肥胖的腰臀比,对HR-乳腺癌风险更有特异性,尤其绝经后女性。上述结果表明,不同类型肥胖可能对不同的乳腺癌亚型发挥不同的作用,对于不同肥胖类型女性,可能需要不同的化学预防策略。

Distinct Effects of Body Mass Index and Waist/Hip Ratio on Risk of Breast Cancer by Joint Estrogen and Progestogen Receptor Status: Results from a Case-Control Study in Northern and Eastern China and Implications for Chemoprevention.

Oncologist. 2017 Sep 14. [Epub ahead of print]

http://theoncologist.alphamedpress.org/content/early/2017/08/25/theoncologist.2017-0148.abstract

【JAMA Surg】保留乳头的全乳切除术(NSM)可有效降低BRCA突变人群乳腺癌风险

该多中心回顾性研究纳入了为了减少风险而接受对侧乳房切除术的乳腺癌患者,主要结局指标为预防性NSM后出现新的乳腺癌。中位随访34个月,分别有58.4%及41.6%接受了双侧或单侧预防性 NSM;BRCA1或BRCA2突变患者分别为201例及145例;所有预防性NSM后未发生同侧乳腺癌,双侧预防性NSM后未发生任何乳腺癌;用BRCA1/2突变携带者风险模型推算,如果不接受预防性NSM可有大约22例新的原发性乳腺癌;预防性NSM可使乳腺癌事件显著减少。

Oncologic Safety of Prophylactic Nipple-Sparing Mastectomy in a Population With BRCA Mutations: A Multi-institutional Study.

JAMA Surg. 2017 Sep 13. [Epub ahead of print]

http://jamanetwork.com/journals/jamasurgery/article-abstract/2653994

【Ann Surg Oncol】根据患者年龄及肿瘤分子分型预测腋窝手术强度

该研究根据患者年龄和肿瘤亚型,对符合Z0011研究标准的女性腋窝手术强度进行了调查。该研究通过国家癌症数据库找出2009~2014年诊断为cT1-2cN0乳腺癌,且1~2个阳性淋巴结转移并采用肿块切除术治疗的患者。SLNB被定义为清除1~5个淋巴结,ALND被定义为清除≥10个淋巴结。结果发现,单纯SLNB与SLNB+ALND相比:年龄≥70岁患者比例较高,术后进行放疗的比例相似。年轻患者(<40岁vs.≥70岁)、HER2+及三阴性乳腺癌患者(vs.luminal型)进行单纯前哨淋巴结活检的比例较低。

Patient Age and Tumor Subtype Predict the Extent of Axillary Surgery Among Breast Cancer Patients Eligible for the American College of Surgeons Oncology Group Trial Z0011.

Ann Surg Oncol. 2017 Sep 6. [Epub ahead of print]

https://link.springer.com/article/10.1245%2Fs10434-017-6075-0

文献来源

所收录文章来自于《Annal of Oncology》、《The Breast》、《Breast Cancer Research》等知名期刊  

28个肿瘤相关临床试验招募患者


点击下方图片即可查看详情


登录查看更多
0

相关内容

模式识别 Pattern Recognition
专知会员服务
27+阅读 · 2020年3月6日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
【华侨大学】基于混合深度学习算法的疾病预测模型
专知会员服务
96+阅读 · 2020年1月21日
3D Deep Learning on Medical Images: A Review
Arxiv
12+阅读 · 2020年4月1日
Arxiv
6+阅读 · 2018年1月14日
VIP会员
相关VIP内容
专知会员服务
27+阅读 · 2020年3月6日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
【华侨大学】基于混合深度学习算法的疾病预测模型
专知会员服务
96+阅读 · 2020年1月21日
相关资讯
Top
微信扫码咨询专知VIP会员