MétaCan
Menu
Retour à la cohorte
Enregistrement W2801404845 · doi:10.3747/co.25.3735

Aromatase Inhibitors in Premenopausal Women with Breast Cancer: The State of the Art and Future Prospects

2018· review· en· W2801404845 sur OpenAlexvenueno aff
Mirco Pistelli, A. Della Mora, Z. Ballatore, Rossana Berardi

Notice bibliographique

RevueCurrent Oncology · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEstrogen and related hormone effects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTamoxifenMedicineAromataseBreast cancerEstrogenHormoneEndocrine systemOncologySelective estrogen receptor modulatorInternal medicineLuteinizing hormoneAromatase inhibitorAnastrozoleMenopauseAdjuvantDiseaseCancer

Résumé

récupéré en direct d'OpenAlex

Approximately 11% of patients with breast cancer (bca) are diagnosed before menopause, and because in most of those patients the tumour expresses a hormone receptor, treatment with endocrine interventions can be applied in any setting of disease (early or advanced). In the past, hormonal treatment consisted only of the estrogen receptor modulator tamoxifen, associated with luteinizing hormone-releasing hormone (lhrh); more recently, aromatase inhibitors (ais) have come into widespread use. The ais interfere with the last enzymatic step of estrogen synthesis in which androgens are converted into estrogens. Initially, the ais were used alone in postmenopausal patients to prevent disease recurrence, but together with lhrh analogs, they can be used in premenopausal patients to produce better estrogen suppression than can be achieved with tamoxifen plus a lhrh analog. Using a systematic review of the scientific literature (prospective and retrospective studies), we set out to assess the efficacy of ais compared with other endocrine therapy in various disease settings (neoadjuvant, adjuvant, metastatic).

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,016
Tête enseignante GPT0,322
Écart entre enseignants0,306 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations59
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetEstrogen and related hormone effectsTravaux en français237 207