MétaCan
Menu
Retour à la cohorte
Enregistrement W2594363445 · doi:10.1158/1538-7445.sabcs16-p2-07-06

Abstract P2-07-06: Obesity, dyslipidemia, and diabetes as risk factors for trastuzumab-related cardiotoxicity in breast cancer patients

2017· article· en· W2594363445 sur OpenAlexaffabout
O. Aseyev, Christopher Johnson, Michèle Turek, Ellamae Stadnick, Angeline Law, Nina Gosh, Susan Dent

Notice bibliographique

RevueCancer Research · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueChemotherapy-induced cardiotoxicity and mitigation
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineEjection fractionDyslipidemiaInternal medicineBreast cancerDiabetes mellitusAsymptomaticHeart failureCancerCardiologyObesityEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Background. Clinical trials have demonstrated an increased risk of cancer treatment related cardiac dysfunction (CTCD) during trastuzumab(H) therapy. Diabetes, dyslipidemia, and obesity are also known risk factors for cardiovascular disease. The primary objective of this study was to evaluate the incidence of asymptomatic drop in left ventricular ejection fraction (AD-LVEF) and symptomatic CTCD (S-CTCD) in women with BC and co-morbidities receiving H, referred to a dedicated cardio-oncology clinic (COC). Methods. This was a retrospective cohort study of women with BC (all stages) referred to The Ottawa Hospital COC between 2008 and 2015, who received chemotherapy (CT) and H. Data collected included: demographics, reason for referral, cardiac testing (MUGA/ECHO) co-morbidities (diabetes, dyslipidemia) and cardiac outcomes. Obesity defined as body mass index > 30. Symptomatic CTCD include SOB, PND, orthopnea, peripheral edema, congestive heart failure. Asymptomatic drop in LVEF defined as decrease of at least 15% from baseline; normal LVEF, or a decrease of at least 10% in LVEF, less than 53%. Results. Chemotherapy (A-CT) followed by H, 62 received H without A-CT. 139 patients with no history diabetes, dyslipidemia, or obesity, referred with AD-LVEF (68%), with S- CTCD (30%), pre-CT assessment (2%). Obesity (O) pre-existing co-morbidity in 63 (26%) patients, (20 (32%) with S-CTCD, 40 (63%) referred with AD-LVEF, 3(5%) referred for pre-CT assessment). Dyslipidemia (L) – 52 (21%); referred with S-CTCD 15; 29%), with AD-LVEF 31 (60%), pre-CT assessment 6 (11). Diabetes (D) – 29 (12%) - (6 (21%) with S-CTCD, 19 (66%) referred with AD-LVEF, 4(13%) referred for pre-CT assessment). Combination of two or three conditions significantly increase incidence of S-CTCD: O+L – 67%, O+D – 69%, O+L+D – 72%. Combination of obesity and other conditions significantly increase incidence of S-CTCD: O+L – 67%(Relative Risk -2.2, p=0,04), O+D – 69% (RR-2.3, p=0,02), O+L+D – 72% (RR-2.4, p=0,08). Conclusion. The combination of two or three co-morbidities significantly increases the incidence of S-CTCD. BC patients experiencing CTCD with pre-existing history of diabetes, dyslipidemia, and obesity may require more proactive strategies for prevention, detection and treatment of cardiotoxicity during trastuzumab-based treatment. Citation Format: Aseyev O, Johnson C, Turek M, Stadnick E, Law A, Gosh N, Dent S. Obesity, dyslipidemia, and diabetes as risk factors for trastuzumab-related cardiotoxicity in breast cancer patients [abstract]. In: Proceedings of the 2016 San Antonio Breast Cancer Symposium; 2016 Dec 6-10; San Antonio, TX. Philadelphia (PA): AACR; Cancer Res 2017;77(4 Suppl):Abstract nr P2-07-06.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,045
Tête enseignante GPT0,381
Écart entre enseignants0,335 · 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

Citations2
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetChemotherapy-induced cardiotoxicity and mitigationTravaux en français237 207