MétaCan
Menu
Retour à la cohorte
Enregistrement W2322833847 · doi:10.1158/0008-5472.sabcs10-pd03-04

Abstract PD03-04: Effects of Diabetes (DM), Hypertension (HTN) and Coronary Artery Disease (CAD) on Prognosis after 5 Years of Adjuvant Tamoxifen (TAM) and on Treatment Outcomes with the Use of Extended Letrozole (LET): NCIC CTG MA.17

2010· article· en· W2322833847 sur OpenAlexaff
RA Goodwin, R Jamal, CM Booth, PE Goss, E. A. Eisenhauer, Dongsheng Tu, LE Shepherd

Notice bibliographique

RevueCancer Research · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineBreast cancerCoronary artery diseaseProportional hazards modelOncologyComorbidityDiabetes mellitusTamoxifenPlaceboStage (stratigraphy)CancerGynecologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Women with early stage breast cancer and DM have poorer survival compared to non-DM women (Lipscombe 2008). Mechanisms include insulin dysregulation and/or DM related comorbidities such as HTN and CAD. MA.17 showed that adjuvant LET after five yrs of TAM reduced the risk of recurrence in women with ER+ early stage breast cancer and improved survival in node +ve disease. We evaluated the impact of DM, HTN, or CAD on prognosis after 5 yrs of TAM and the efficacy of LET in MA.17. Methods: All 5170 women randomized to MA.17 were included. Four year disease free survival (DFS), distant disease free survival (DDFS) and overall survival (OS) were compared using Cox regression model adjusting for other prognostic factors: a) in women treated with placebo (PLAC) based on the presence or absence of baseline DM (n=462), HTN (n=1627), CAD (n=604) or any one of these comorbidities (n=2049), and b) between LET and PLAC groups in each comorbidity. Analyses based on nodal status were also performed. Test for interaction assessed for differential treatment effects in comorbidity groups. Results: Women with DM on PLAC had non-significant lower DFS (89.7 vs. 89.9%, p=0.68), DDFS (92.1 vs 93.9%, p=0.85), and OS (92.1 vs 95.2, p=0.37) than those without DM on PLAC. Treatment effect outcomes were similar between those with and without DM. Women with HTN on PLAC trended toward lower DDFS (92.2 vs 94.4%, HR=1.50, 95%CI: 0.98-2.3, p=0.06) and OS (93.7 vs. 95.5%, HR=1.61, 95%CI: 0.95-2.72, p=0.08) than non-HTN women on PLAC. The interaction between treatment and HTN status was significant for DDFS (p=0.004) with HTN women having significantly better outcome on LET vs PLAC (HR=0.27, 95%CI: 0.13 to 0.54; p=0.0002) compared to non-HTN women on LET vs PLAC (HR=0.82, 95%CI: 0.56-1.20; p=0.31). Women with CAD on PLAC did not have worse outcome, nor did CAD status have a treatment related effect. Women with at least one co-morbidity on PLAC had significantly lower OS (93.6 vs. 95.8%, HR=2.10, 95%CI:1.26-3.51, p=0.004) than those free of comorbidity. For node +ve women, the difference between LET and PLAC in DDFS was greater among women with at least one co-morbidity (HR=0.30, 95%CI:0.15-0.60, p=0.001) compared to those without any co-morbidity (HR=0.72, 95%CI:0.45-1.16, p=0.17) with interaction p=0.04. Conclusions: Having at least one comorbidity was a negative prognostic indicator for OS after 5 yrs of TAM and led to improved DDFS for node +ve women taking LET. DM was not prognostic nor did it predict treatment outcomes. Explanations include not controlling for DM medications; as well, MA.17 enrolled women 5 yrs after TAM with evidence suggesting hyperinsulinemia being a risk for early rather than late recurrence. HTN was a potential risk factor with a trend for worse DDFS and OS. HTN also predicted for treatment benefit: HTN women on LET had improved DDFS compared to non-HTN women on LET. Hypothesis include antihypertensive agents slowing the metabolism of LET; alternatively there may be variations in VEGF levels between groups. HTN predictive effects will be further explored in MA.27 with potential to correlate with VEGF levels. Citation Information: Cancer Res 2010;70(24 Suppl):Abstract nr PD03-04.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,331
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetCancer Risks and FactorsTravaux en français237 207