Time to Start Adjuvant Systemic Treatment in Breast Cancer; a Retrospective Cohort Study
Notice bibliographique
Résumé
Background: According to the World Health Organization (WHO), early diagnosis of cancer was associated with increasing rates of survival for cancers as breast, cervix, mouth, larynx, colon, rectum and skin. Still the optimal time to start adjuvant treatment after definitive surgery is uncertainAim of study: to evaluate the impact of delay to start adjuvant treatment in different biologic subtypes of breast cancer on treatment outcomes as regard response, failure free survival (FFS).Patients and methods: It involved 107 patients with nonmetastatic breast cancer presented to clinical oncology department, Assiut university hospital from January 2011 to December 2012, and were eligible for adjuvant systemic treatment, The time from surgery to the start of 1st cycle of adjuvant systemic treatment was calculated, then this time was divided into three time intervals; ≤30 days, >30 - ≤60 days, and >60 days.Results: 41.1%, 45.8%, 13.1% of patients received adjuvant treatment within 30 days, <30-60 days, and more than 60 days respectively, the median failure free survival was 50±2.104 months (95% CI=45.877-54.125) and was significantly decreased with increasing the time but not significantly differed between different time intervals in the whole study patients, nor in different biologic subtypes except luminal B, patients started early adjuvant treatment, relapsed late with significant effect of different time intervals on the time to relapse, local and distant relapses (P<0.000, P<0.001, P<0.02).Conclusion: Adjuvant systemic treatment for breast cancer should be initiated as early as possible better within 30 days of surgery because of significant poor effect of delay to initiate adjuvant treatment on FFS and TTR.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,001 | 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 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 ».