131. MANAGMENT OF BREAST CANCER TREATMENT–INDUCED BONE LOSS
Notice bibliographique
Résumé
Background: Breast cancer treatment therapies are associated with early menopause and adverse effect on bone density. Identifying high-risk patients and managing them appropriately will help reduce their fracture risk. We wanted to ascertain whether our management of breast cancer patients referred to the osteoporosis clinic was as per the national and international guidelines. A consensus position statement from a UK Expert group regarding breast cancer treatment induced bone loss was published with the support of the National Osteoporosis Society, the National Cancer Research Institute, Breast Cancer Study Group and the International Osteoporosis Foundation. Methods: Data were collected from 1 June 2014 to 31 August 2016 for all patients referred to the osteoporosis clinic that had a history of or were presently being treated for Breast cancer. All patients underwent a DEXA scan prior to consultation in clinic. Patients were placed into two algorithms; algorithm 1: women who had experienced premature menopause due to chemotherapy or ovarian suppression, ablation or removal. Algorithm 2: Postmenopausal women receiving treatment with an aromatase inhibitor. T-scores were used to stratify patients in algorithm 1 into high (T score ≤−2), medium (T score −1 to −2) and low risk (T score ≥−1) and algorithm 2 into high (T score ≤−1) and medium risk (T score ≥−1).
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,011 | 0,002 |
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 ».