Aromatase inhibitors for prevention of breast cancer in postmenopausal women
Notice bibliographique
Résumé
OBJECTIVE: The increasing incidence of breast cancer (BC) worldwide has resulted in widespread interest in primary prevention therapies. A number of large randomized trials have shown that selective estrogen receptor modulators can reduce the relative risk for BC by 30% to 40% in high-risk women. In early-stage BC, aromatase inhibitors (AIs) showed a 35% relative reduction in the risk of contralateral BCs compared with tamoxifen. In this narrative review, we discuss the role of AIs in the primary prevention of BC and novel research on combination hormone therapy-medical therapy for the primary prevention of BC. METHODS: Using PubMed/Medline, we comprehensively searched for studies of BC primary prevention using AIs, including studies of novel methods of prevention using combination hormone therapy-BC prevention. RESULTS: Two large multicenter, prospective, randomized, placebo-controlled trials have evaluated AIs--anastrozole (International Breast Cancer Intervention Study II) and exemestane (Mammary Prevention 3)--for BC risk reduction in women at increased risk for BC, which we summarize. We identified five studies (three completed and two ongoing) of combination AI-hormone therapy that are undergoing investigation for BC risk reduction. CONCLUSIONS: AIs are effective at BC risk reduction, although long-term follow-up data are required to assess whether this risk reduction will result in reduced mortality. Combination hormone therapy-AI for BC risk reduction is experimental and warrants further investigation.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».