Role of Biologic Markers in Patient Selection and Application to Disease Prevention
Notice bibliographique
Résumé
Aromatase inhibitors (AIs) are now under investigation for the treatment of early stage breast cancer and for disease prevention as alternatives to standard treatment with tamoxifen. Currently identified genetic risk factors of breast cancer include BRCA-1/BRCA-2 mutations, ATM mutations, and history of high estrogen levels, as evidenced by plasma analyses and/or dense bones. To date, estrogen receptor (ER) and progesterone receptor (PgR) status has predictive value for determining response to therapy in patients with hormone receptor-positive breast cancer (ER+ and/or PgR+ tumors). Recent studies have shown AIs to be safer and more effective than tamoxifen in postmenopausal women with advanced disease. Some data suggest that letrozole may be a more effective treatment than tamoxifen for patients with ER+ and/or PgR+ early breast cancers expressing ErbB-1 and/or ErbB-2. Changes in cell proliferation markers (e.g., S-phase fraction and Ki67 antigen), plasma lipid levels, and the bone resorption marker C-terminal peptide are biomarkers that have been evaluated for preventive and prognostic value in breast cancer patients and normal volunteers. Results from biomarker screens can be used to define inclusion criteria for clinical trials and eventually to individualize treatment. Gene expression profiling (microarray analysis), i.e., genomic and proteomic studies, will probably advance the discovery of new biomarkers for breast cancer prevention and treatment.
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 | 0,016 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».