Triple-negative breast cancer: A population-based description of clinical-pathologic correlates and survival outcomes as a function of age at diagnosis.
Notice bibliographique
Résumé
e12530 Background: Triple Negative Breast Cancer (TNBC) accounts for approximately 10% of invasive breast malignancies and is characterized by a relative lack of adjuvant systemic therapeutic options. Our aim was to describe a population-based cohort of primary TNBC patients including detection method, breast density at diagnosis, pathologic characteristics, and clinical outcomes, as a function of age at diagnosis. Methods: All cases of primary TNBC in Nova Scotia, Canada were identified through the Information System of the Nova Scotia Breast Cancer Screening Program (NSBSP). The study population included all female patients who underwent an open surgical biopsy following an imaging procedure, between January1 2005-13, and for whom pathological confirmation of TNBC was documented. A descriptive analysis of subjects’ clinical profile was performed, stratified by age group at diagnosis (≤49, 50-59, 60-69, and ≥70). Survival analysis techniques were used to model both disease-free (DFS) and overall survival (OS) as a function of age group, controlling for clinical-pathologic features. Results: A total of 421 cases were identified with a median follow-up time of 3.7 years. For the entire cohort, median tumor size was 2.3cm (range 0.1-14cm), and 175 (41.6%) had lymph node involvement. 348 (82.7%) had grade 3 disease with a significant difference in the distribution of grade across age groups (Chi-squared: p=0.01). Twenty-two (19.8%) cases in the 50-59 age group were interval cancers with a trend to shorter median OS in this age group compared to older cohorts (p= 0.07). There have been 100 deaths thus far with breast cancer specific survival rates remaining to be ascertained. Conclusions: Our observations suggest heterogeneity in a number of clinical-pathologic characteristics and survival outcomes within a large population-based cohort of TNBC.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».