Tissue selective estrogen complex (TSEC): a review
Notice bibliographique
Résumé
OBJECTIVE: This review describes historical development of selective estrogen receptor modulators (SERMs) and their combination with estrogens, termed a tissue selective estrogen complex (TSEC), and considers the potential for future TSEC development. METHODS: This narrative review is based on literature identified on PubMed and the TSEC research and development experience of the authors. RESULTS: SERMs have estrogenic and antiestrogenic effects in various tissues; however, no single agent has achieved an optimal balance of agonist and antagonist effects for the treatment of menopausal symptoms. Clinically, a number of SERMs protect against osteoporosis and breast cancer but can exacerbate vasomotor symptoms. Estrogens alleviate menopausal hot flushes and genitourinary symptoms as well as reduce bone loss, but the addition of a progestogen to menopausal hormone therapy to protect against endometrial cancer increases vaginal bleeding risk, breast tenderness, and potentially breast cancer. The search for an effective menopausal therapy with better tolerability led to the investigation of TSECs. Clinical development of a TSEC consisting of conjugated estrogens/bazedoxifene increased understanding of the importance of a careful consideration of the combination's components and their respective doses to balance safety and efficacy. Bazedoxifene is an estrogen receptor agonist in bone but an antagonist/degrader in the endometrium, which has contributed to its success as a TSEC component. Other oral TSEC combinations studied thus far have not demonstrated similar endometrial safety. CONCLUSIONS: Choice of SERM, selection of doses, and clinical trial data evaluating safety and efficacy are key to ensuring safety and adequate therapeutic effect of TSECs for addressing menopausal symptoms.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».