MétaCan
Menu
← Retour à la cohorte
Enregistrement W2790544699 · doi:10.1158/1538-7445.sabcs17-p6-08-08

Abstract P6-08-08: Age-Related differences in clinicopathologic features and survival amongst women with triple negative breast cancer: A population-based study

2018· article· en· W2790544699 sur OpenAlexaff
SM Wong, J-F Boileau, Karyne Martel, Cristiano Ferrario, Mark Basik

Notice bibliographique

RevueCancer Research · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensJewish General HospitalMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineTriple-negative breast cancerBreast cancerCohortPopulationEpidemiologySurveillance, Epidemiology, and End ResultsInternal medicineOncologyLymph nodeCancerProportional hazards modelCancer registry

Résumé

récupéré en direct d'OpenAlex

Abstract INTRODUCTION: Women with triple-negative breast cancers (TNBC) have a tendency to present at younger ages and with more advanced disease. We sought to comprehensively evaluate the characteristic features, surgical management, and survival outcomes of a large, population-based cohort of patients with TNBC according to age at diagnosis. METHODS: We queried the Surveillance, Epidemiology, and End Results (SEER) database to identify women aged 18 years or older with a diagnosis of TNBC between 2010-2014. Clinicopathologic and treatment level variables were compared amongst TNBC patients according to age at the time of TNBC diagnosis. The Kaplan-Meier method and Cox PH Regression was then used to examine short-term breast cancer-specific survival (BCSS) outcomes. RESULTS: Between 2010-2014, 214,138 women were diagnosed with breast cancer, of which 23,614 (11.13%) had TNBC. The median age at TNBC diagnosis was 57.7 years. Younger TNBC patients were more likely to be of African American (<40 years, 20.1% vs. ≥70 years, 15.5%; p<0.001) or Hispanic race (<40 years, 21.9% vs. ≥70 years, 7.0%; p<0.001), diagnosed with larger tumors (T2-T3; <40 years, 70.2%; 40-49 years, 61.7%; 50-59 years, 55%; 60-69 years, 48.1%; ≥70 years, 49.5%; p<0.001) and present with lymph node positive disease (<40 years, 36.7%; 40-49 years, 34.8%; 50-59 years, 32.5%; 60-69 years, 27.5%; ≥70 years, 27.9%; p<0.001). With respect to local therapy, younger women also had a greater tendency to undergo bilateral mastectomy (<40 years, 34.3%; 40-49 years, 23.1%; 50-59 years, 13.4%; 60-69 years, 8.4%; ≥70 years, 3.3%; p<0.001). The estimated one and four-year BCSS for the entire cohort was 94.4% and 79.7%, respectively, with the youngest women <40 years and older women ≥70 years demonstrating the poorest unadjusted BCSS at four years (<40 years, 76.95%; 40-49 years, 82.1%; 50-59 years 80.9%; 60-69 years 81.7%; ≥70 years, 78.6%; log rank p<0.001). In Cox PH analysis adjusting for race, stage, pathologic features, and local therapy, age greater than 70 years remained significantly associated with worse cancer-specific survival (HR1.60, 95% CI 1.39-1.84). CONCLUSION: In the population studied, more than 40% of very young women with TNBC are of African American or Hispanic race. When compared to older ages, younger women with TNBC are more likely to receive bilateral mastectomy and have more advanced stage at presentation. Women at both age extremes (≥70 years and <40 years at diagnosis) demonstrate worse cancer-specific survival outcomes. In older women, this may be due to undertreatment, and in younger women, to delays in diagnosis and/or worse tumor biology. Further studies are needed to evaluate age-related discrepancies in local and systemic therapy and cancer-specific survival in TNBC. Citation Format: Wong SM, Boileau J-F, Martel K, Ferrario C, Basik M. Age-Related differences in clinicopathologic features and survival amongst women with triple negative breast cancer: A population-based study [abstract]. In: Proceedings of the 2017 San Antonio Breast Cancer Symposium; 2017 Dec 5-9; San Antonio, TX. Philadelphia (PA): AACR; Cancer Res 2018;78(4 Suppl):Abstract nr P6-08-08.

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 enseignants0,003
Score d'incertitude au seuil0,007

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,369
Écart entre enseignants0,327 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetBreast Cancer Treatment Studies→Travaux en français237 207→