Endocrine Therapy for Breast Cancer in the Primary Care Setting
Notice bibliographique
Résumé
The treatment of hormone-positive breast cancer (bca) is a rapidly evolving field. Improvement in the understanding of the mechanisms of action and resistance to anti-hormonal therapy has translated, in the past decade, into multiple practice-changing clinical trials, with the end result of increased survivorship for patients with all stages of hormone-positive cancer. The primary care physician will thus play an increasing role in the routine care, surveillance, and treatment of issues associated with anti-hormonal therapy. The aim of the present review was to provide a focused description of the issues relevant to primary care, while briefly highlighting recent advances in the field of anti-hormonal therapy. Key Points: ■ Hormone-positive bca is the most prevalent form of bca and, compared with the other subtypes, is usually associated with better survival.■ Survivorship has significantly increased for all stages of hormone-positive bca, making the primary care physician a key player in the care of affected patients.■ The two most common classes of anti-hormonal agents used in these patients are selective estrogen receptor modulators and aromatase inhibitors. Each class of medication is associated with signature side effects.■ Within the past decade, multiple novel estrogen receptor blockers (for example, fulvestrant) and agents aimed at circumventing resistance to endocrine therapy [inhibitors of cyclin-dependent kinase 4/6 and of mtor (the mechanistic target of rapamycin)] have gained clinical ground. Understanding their side effects will be increasingly relevant to primary care physicians.■ Multidisciplinary care is always encouraged in the care of cancer patients receiving anti-hormonal therapy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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; 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 ».