Targeting Bone Metabolism in Patients with Advanced Prostate Cancer: Current Options and Controversies
Notice bibliographique
Résumé
Maintaining bone health remains a clinical challenge in patients with prostate cancer (PC) who are at risk of developing metastatic bone disease and increased bone loss due to hormone ablation therapy. In patients with cancer-treatment induced bone loss (CTIBL), antiresorptive agents have been shown to improve bone mineral density (BMD) and to reduce the risk of fractures. For patients with bone metastases, both zoledronic acid and denosumab delay skeletal related events (SREs) in the castration resistant stage of disease. Novel agents targeting the Wnt inhibitors dickkopf-1 and sclerostin are currently under investigation for the treatment of osteoporosis and malignant bone disease. New antineoplastic drugs such as abiraterone, enzalutamide, and Radium-223 are capable of further delaying SREs in patients with advanced PC. The benefit of antiresorptive treatment for patients with castration sensitive PC appears to be limited. Recent trials on the use of zoledronic acid for the prevention of bone metastases failed to be successful, whereas denosumab delayed the occurrence of bone metastases by a median of 4.1 months. Currently, the use of antiresorptive drugs to prevent bone metastases still remains a field of controversies and further trials are needed to identify patient subgroups that may profit from early therapy.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».