Immunological Therapies Can Relieve Aromatase Inhibitor-Related Joint Symptoms in Breast Cancer Survivors
Notice bibliographique
Résumé
OBJECTIVES: Aromatase inhibitors can cause joint symptoms. The purpose of this pilot study was to evaluate the feasibility of immunologic therapies for this kind of joint symptoms. METHODS: A total of 16 postmenopausal women with stage I-III breast cancer with joint symptoms related to Aromatase inhibitors were enrolled. They received immunologic therapies of thymosin α1 1.6 mg, twice a week for 4 weeks. Outcome measures included the Brief Pain Inventory-Short Form, Western Ontario and McMaster Universities Osteoarthritis index, and the Functional Assessment of Cancer Therapy-General quality of life measure. Interferon-gamma and interleukin-4 were determined to evaluate immunomodulatory activity. Paired Samples Test and linear regression analysis were used to statistics the outcome measures. RESULTS: From baseline to the end of treatment, patients reported improvement in the mean Brief Pain Inventory-Short Form worst pain scores (5.7-3.4, P < 0.001), pain severity (3.9-2.9, P = 0.01), and pain-related functional interference (4.2-1.8, P < 0.001), as well as the Western Ontario and McMaster Universities Osteoarthritis function subscale and Functional Assessment of Cancer Therapy-General physical well-being (P < 0.001 and P < 0.001, respectively). No adverse events were reported. The mean serum concentrations for secretion of interferon-gamma were significantly lower (P < 0.001); serum concentrations of interleukin 4 were higher (P = 0.02). CONCLUSION: Immunologic therapies could play a role in reducing Aromatase inhibitor- related joint symptoms in breast cancer survivors and affecting the immune system in powerful ways. The improvements of immune system were associated with aromatase inhibitor-related joint symptoms.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».