The aim of this paper is to review the evidence of the association between energy balance and obesity. In December 2015, the International Agency for Research on Cancer (IARC), Lyon, France convened a Working Group of international experts to review the evidence regarding energy balance and obesity, with a focus on Low and Middle Income Countries (LMIC). The global epidemic of obesity and the double burden, in LMICs, of malnutrition (coexistence of undernutrition and overnutrition) are both related to poor quality diet and unbalanced energy intake. Dietary patterns consistent with a traditional Mediterranean diet and other measures of diet quality can contribute to long-term weight control. Limiting consumption of sugar-sweetened beverages has a particularly important role in weight control. Genetic factors alone cannot explain the global epidemic of obesity. However, genetic, epigenetic factors and the microbiota could influence individual responses to diet and physical activity. Energy intake that exceeds energy expenditure is the main driver of weight gain. The quality of the diet may exert its effect on energy balance through complex hormonal and neurological pathways that influence satiety and possibly through other mechanisms. The food environment, marketing of unhealthy foods and urbanization, and reduction in sedentary behaviors and physical activity play important roles. Most of the evidence comes from High Income Countries and more research is needed in LMICs.

Considerable experimental and epidemiological evidence suggests that elevated endogenous sex steroids — notably androgens and oestrogens — promote breast tumour development. In spite of this evidence, postmenopausal androgen replacement therapy with dehydroepiandrosterone (DHEA) or testosterone has been advocated for the prevention of osteoporosis and improved sexual well-being. We have conducted a case–control study nested within the European Prospective Investigation into Cancer and Nutrition. Levels of DHEA sulphate (DHEAS), (Δ4-androstenedione), testosterone, oestrone, oestradiol and sex-hormone binding globulin (SHBG) were measured in prediagnostic serum samples of 677 postmenopausal women who subsequently developed breast cancer and 1309 matched control subjects. Levels of free testosterone and free oestradiol were calculated from absolute concentrations of testosterone, oestradiol and SHBG. Logistic regression models were used to estimate relative risks of breast cancer by quintiles of hormone concentrations. For all sex steroids –the androgens as well as the oestrogens – elevated serum levels were positively associated with breast cancer risk, while SHBG levels were inversely related to risk. For the androgens, relative risk estimates (95% confidence intervals) between the top and bottom quintiles of the exposure distribution were: DHEAS 1.69 (1.23–2.33), androstenedione 1.94 (1.40–2.69), testosterone 1.85 (1.33–2.57) and free testosterone 2.50 (1.76–3.55). For the oestrogens, relative risk estimates were: oestrone 2.07 (1.42–3.02), oestradiol 2.28 (1.61–3.23) and free oestradiol (odds ratios 2.13 (1.52–2.98)). Adjustments for body mass index or other potential confounding factors did not substantially alter any of these relative risk estimates. Our results have shown that, among postmenopausal women, not only elevated serum oestrogens but also serum androgens are associated with increased breast cancer risk. Since DHEAS and androstenedione are largely of adrenal origin in postmenopausal women, our results indicated that elevated adrenal androgen synthesis is a risk factor for breast cancer. The results from this study caution against the use of DHEA(S), or other androgens, for postmenopausal androgen replacement therapy.

Background: Contrasting etiologic hypotheses about the role of endogenous sex steroids in breast cancer development among premenopausal women implicate ovarian androgen excess and progesterone deficiency, estrogen excess, estrogen and progesterone excess, and both an excess or lack of adrenal androgens (dehydroepiandrosterone [DHEA] or its sulfate [DHEAS]) as risk factors. We conducted a case–control study nested within the European Prospective Investigation into Cancer and Nutrition cohort to examine associations among premenopausal serum concentrations of sex steroids and subsequent breast cancer risk. Methods: Levels of DHEAS, (Δ4-)androstenedione, testosterone, and sex hormone binding globulin (SHBG) were measured in single prediagnostic serum samples from 370 premenopausal women who subsequently developed breast cancer (case patients) and from 726 matched cancer-free control subjects. Levels of progesterone, estrone, and estradiol were also measured for the 285 case patients and 555 matched control subjects who had provided information about the day of menstrual cycle at blood donation. Conditional logistic regression models were used to estimate relative risks of breast cancer by quartiles of hormone concentrations. All statistical tests were two-sided. Results: Increased risks of breast cancer were associated with elevated serum concentrations of testosterone (odds ratio [OR] for highest versus lowest quartile = 1.73, 95% confidence interval [CI] = 1.16 to 2.57; Ptrend = .01), androstenedione (OR for highest versus lowest quartile = 1.56, 95% CI = 1.05 to 2.32; Ptrend = .01), and DHEAS (OR for highest versus lowest quartile = 1.48, 95% CI = 1.02 to 2.14; Ptrend = .10) but not SHBG. Elevated serum progesterone concentrations were associated with a statistically significant reduction in breast cancer risk (OR for highest versus lowest quartile = 0.61, 95% CI = 0.38 to 0.98; Ptrend = .06). The absolute risk of breast cancer for women younger than 40 followed up for 10 years was estimated at 2.6% for those in the highest quartile of serum testosterone versus 1.5% for those in the lowest quartile; for the highest and lowest quartiles of progesterone, these estimates were 1.7% and 2.6%, respectively. Breast cancer risk was not statistically significantly associated with serum levels of the other hormones. Conclusions: Our results support the hypothesis that elevated blood concentrations of androgens are associated with an increased risk of breast cancer in premenopausal women.

Purpose An understanding of the etiologic heterogeneity of ovarian cancer is important for improving prevention, early detection, and therapeutic approaches. We evaluated 14 hormonal, reproductive, and lifestyle factors by histologic subtype in the Ovarian Cancer Cohort Consortium (OC3). Patients and Methods Among 1.3 million women from 21 studies, 5,584 invasive epithelial ovarian cancers were identified (3,378 serous, 606 endometrioid, 331 mucinous, 269 clear cell, 1,000 other). By using competing-risks Cox proportional hazards regression stratified by study and birth year and adjusted for age, parity, and oral contraceptive use, we assessed associations for all invasive cancers by histology. Heterogeneity was evaluated by likelihood ratio test. Results Most risk factors exhibited significant heterogeneity by histology. Higher parity was most strongly associated with endometrioid (relative risk [RR] per birth, 0.78; 95% CI, 0.74 to 0.83) and clear cell (RR, 0.68; 95% CI, 0.61 to 0.76) carcinomas (P value for heterogeneity [P-het] < .001). Similarly, age at menopause, endometriosis, and tubal ligation were only associated with endometrioid and clear cell tumors (P-het ≤ .01). Family history of breast cancer (P-het = .008) had modest heterogeneity. Smoking was associated with an increased risk of mucinous (RR per 20 pack-years, 1.26; 95% CI, 1.08 to 1.46) but a decreased risk of clear cell (RR, 0.72; 95% CI, 0.55 to 0.94) tumors (P-het = .004). Unsupervised clustering by risk factors separated endometrioid, clear cell, and low-grade serous carcinomas from high-grade serous and mucinous carcinomas. Conclusion The heterogeneous associations of risk factors with ovarian cancer subtypes emphasize the importance of conducting etiologic studies by ovarian cancer subtypes. Most established risk factors were more strongly associated with nonserous carcinomas, which demonstrate challenges for risk prediction of serous cancers, the most fatal subtype.

Associations between circulating concentrations of oestrogens, progesterone, and androgens with breast cancer and related risk factors in premenopausal women are not well understood. We aimed to characterise these associations with a pooled analysis of data from seven studies.Individual participant data for prediagnostic sex hormone and sex hormone-binding globulin (SHBG) concentrations were contributed from seven prospective studies. We restricted analyses to women who were premenopausal and younger than 50 years at blood collection, and to women with breast cancer diagnosed before age 50 years. We estimated odds ratios (ORs) with 95% CIs for breast cancer associated with hormone concentrations by conditional logistic regression in cases and controls matched for age, date of blood collection, and day of cycle, with stratification by study and further adjustment for cycle phase. We examined associations of hormones with risk factors for breast cancer in control women by comparing geometric mean hormone concentrations in categories of these risk factors, adjusted for study, age, phase of menstrual cycle, and body-mass index (BMI). All statistical tests were two-sided.We included data for up to 767 women with breast cancer and 1699 controls in the risk analyses. Breast cancer risk was associated with a doubling in concentrations of oestradiol (OR 1·19, 95% CI 1·06-1·35), calculated free oestradiol (1·17, 1·03-1·33), oestrone (1·27, 1·05-1·54), androstenedione (1·30, 1·10-1·55), dehydroepiandrosterone sulphate (1·17, 1·04-1·32), testosterone (1·18, 1·03-1·35), and calculated free testosterone (1·08, 0·97-1·21). Breast cancer risk was not associated with luteal phase progesterone (doubling in concentration OR 1·00, 95% CI 0·92-1·09), and adjustment for other factors had little effect on any of these ORs. Cross-sectional analyses in control women showed several associations of sex hormones with breast cancer risk factors.Circulating oestrogens and androgens are positively associated with the risk for breast cancer in premenopausal women.

Importance

 The association between increasing body mass index (BMI; calculated as weight in kilograms divided by height in meters squared) and risk of breast cancer is unique in cancer epidemiology in that a crossover effect exists, with risk reduction before and risk increase after menopause. The inverse association with premenopausal breast cancer risk is poorly characterized but might be important in the understanding of breast cancer causation. 

Objective

 To investigate the association of BMI with premenopausal breast cancer risk, in particular by age at BMI, attained age, risk factors for breast cancer, and tumor characteristics. 

Design, Setting, and Participants

 This multicenter analysis used pooled individual-level data from 758 592 premenopausal women from 19 prospective cohorts to estimate hazard ratios (HRs) of premenopausal breast cancer in association with BMI from ages 18 through 54 years using Cox proportional hazards regression analysis. Median follow-up was 9.3 years (interquartile range, 4.9-13.5 years) per participant, with 13 082 incident cases of breast cancer. Participants were recruited from January 1, 1963, through December 31, 2013, and data were analyzed from September 1, 2013, through December 31, 2017. 

Exposures

 Body mass index at ages 18 to 24, 25 to 34, 35 to 44, and 45 to 54 years. 

Main Outcomes and Measures

 Invasive or in situ premenopausal breast cancer. 

Results

 Among the 758 592 premenopausal women (median age, 40.6 years; interquartile range, 35.2-45.5 years) included in the analysis, inverse linear associations of BMI with breast cancer risk were found that were stronger for BMI at ages 18 to 24 years (HR per 5 kg/m²[5.0-U] difference, 0.77; 95% CI, 0.73-0.80) than for BMI at ages 45 to 54 years (HR per 5.0-U difference, 0.88; 95% CI, 0.86-0.91). The inverse associations were observed even among nonoverweight women. There was a 4.2-fold risk gradient between the highest and lowest BMI categories (BMI≥35.0 vs <17.0) at ages 18 to 24 years (HR, 0.24; 95% CI, 0.14-0.40). Hazard ratios did not appreciably vary by attained age or between strata of other breast cancer risk factors. Associations were stronger for estrogen receptor–positive and/or progesterone receptor–positive than for hormone receptor–negative breast cancer for BMI at every age group (eg, for BMI at age 18 to 24 years: HR per 5.0-U difference for estrogen receptor–positive and progesterone receptor–positive tumors, 0.76 [95% CI, 0.70-0.81] vs hormone receptor–negative tumors, 0.85 [95% CI: 0.76-0.95]); BMI at ages 25 to 54 years was not consistently associated with triple-negative or hormone receptor–negative breast cancer overall. 

Conclusions and Relevance

 The results of this study suggest that increased adiposity is associated with a reduced risk of premenopausal breast cancer at a greater magnitude than previously shown and across the entire distribution of BMI. The strongest associations of risk were observed for BMI in early adulthood. Understanding the biological mechanisms underlying these associations could have important preventive potential.

Abstract Background Copy number variants (CNVs) are pervasive in the human genome but potential disease associations with rare CNVs have not been comprehensively assessed in large datasets. We analysed rare CNVs in genes and non-coding regions for 86,788 breast cancer cases and 76,122 controls of European ancestry with genome-wide array data. Results Gene burden tests detected the strongest association for deletions in BRCA1 (P= 3.7E-18). Nine other genes were associated with a p-value < 0.01 including known susceptibility genes CHEK2 (P= 0.0008), ATM (P= 0.002) and BRCA2 (P= 0.008). Outside the known genes we detected associations with p-values < 0.001 for either overall or subtype-specific breast cancer at nine deletion regions and four duplication regions. Three of the deletion regions were in established common susceptibility loci. Conclusions This is the first genome-wide analysis of rare CNVs in a large breast cancer case-control dataset. We detected associations with exonic deletions in established breast cancer susceptibility genes. We also detected suggestive associations with non-coding CNVs in known and novel loci with large effects sizes. Larger sample sizes will be required to reach robust levels of statistical significance.

Abstract Pooling metabolomics data across studies is often desirable to increase the statistical power of the analysis. However, this can raise methodological challenges as several preanalytical and analytical factors could introduce differences in measured concentrations and variability between datasets. Specifically, different studies may use variable sample types (e.g., serum versus plasma) collected, treated and stored according to different protocols, and assayed in different laboratories using different instruments. To address these issues, a new pipeline was developed to normalize and pool metabolomics data through a set of sequential steps: (i) exclusions of the least informative observations and metabolites and removal of outliers; imputation of missing data; (ii) identification of the main sources of variability through PC-PR2 analysis; (iii) application of linear mixed models to remove unwanted variability, including samples’ originating study and batch, and preserve biological variations while accounting for potential differences in the residual variances across studies. This pipeline was applied to targeted metabolomics data acquired using Biocrates AbsoluteIDQ kits in eight case-control studies nested within the European Prospective Investigation into Cancer and Nutrition (EPIC) cohort. Comprehensive examination of metabolomics measurements indicated that the pipeline improved the comparability of data across the studies. Our pipeline can be adapted to normalize other molecular data, including biomarkers as well as proteomics data, and could be used for pooling molecular datasets, for example in international consortia, to limit biases introduced by inter-study variability. This versatility of the pipeline makes our work of potential interest to molecular epidemiologists.