Treatment Algorithms for Hormone Receptor-Positive Advanced Breast Cancer: Applying the Results from Recent Clinical Trials into Daily Practice—Insights, Limitations, and Moving Forward
Notice bibliographique
Résumé
Hormone receptor-positive (HR+) breast cancer is the most prevalent subtype of breast cancer in both early- and advanced-stage disease. Thus, the treatment of HR+ breast cancer has had the greatest global influence in improving clinical outcomes overall. Although the first-line metastatic breast cancer (MBC) trials comparing a third-generation aromatase inhibitor (AI) to tamoxifen have favored the AI, one of the challenges in translating these findings into clinical practice stems from the influence of prior adjuvant endocrine therapy, particularly the increasing use of adjuvant AIs today, on the choice of endocrine agent in the advanced setting because of the development of acquired resistance. Because the majority of patients enrolled into these studies were either endocrine-treatment naïve or exposed to tamoxifen only, the "real-life" applicability of the evidence is unclear. Because a superior dose of the selective estrogen receptor (ER) downregulator fulvestrant has now been established, its role as first-line therapy is being re-established. We are now starting to see the promise realized with blocking cross-talking growth factor pathways in addition to the ER pathway. The greatest efficacy is seen with the mammalian target of rapamycin (mTOR) inhibitor everolimus in combination with exemestane and, perhaps to a lesser extent, anti-HER2-directed therapy in combination with an AI. Future gains will likely involve a greater understanding of the redundancy and compensation induced by blocking these pathways, trials involving blocking multiple pathways in addition to hormonal agents, and the molecular interrogation of the individual's tumor in search of predictive biomarkers and "actionable" genomic aberrations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,170 | 0,293 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,014 | 0,011 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».