Triple-Negative Breast Cancers: An Updated Review on Treatment Options
Notice bibliographique
Résumé
Morphologic features of tumour cells have long been validated for the clinical classification of breast cancers and are regularly used as a "gold standard" to ascertain prognostic outcome in patients. Identification of molecular markers such as expression of the receptors for estrogen (er) and progesterone (pgr) and the human epidermal growth factor receptor 2 (her2) has played an important role in determining targets for the development of efficacious drugs for treatment and has also offered additional predictive value for the therapeutic assessment of patients with breast cancer. More recent technical advancements in identifying several cancer-related genes have provided further opportunities to identify specific subtypes of breast cancer. Among the subtypes, tumours with triple-negative cells are identified using specific staining procedures for basal markers such as cytokeratin 5 and 6 and the absence of er, pgr, and her2 expression. Patients with triple-negative breast cancers therefore have the disadvantage of not benefiting from currently available receptor-targeted systemic therapy. Optimal conditions for the therapeutic assessment of women with triple-negative breast tumours and for the management of their disease have yet to be validated in prospective investigations. The present review discusses the differences between triple-negative breast tumours and basal-like breast tumours and also the role of mutations in the BRCA genes. Attention is also paid to treatment options available to patients with triple-negative breast tumours.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».