The Role of Diuretics in Treatment of Aromatase Inhibitors Induced Musculoskeletal Symptoms in Women with Non Metastatic Breast Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Around 50% of women receiving Aromatase Inhibitors (AIs) develop musculoskeletal symptoms which may become severe causing interruption of treatment. Patients with AI-induced arthralgia had higher rates of joint effusions and fluid in the tendons, so use of diuretics may be helpful. Methods: This prospective phase II study was conducted in department of clinical oncology and nuclear medicine, Menoufia University Hospital, Egypt, between Jan. to Dec. 2015. Fifty Women with stage I,II and III breast cancer receiving AIs as adjuvant hormonal treatment complaining of AIs related musculoskeletal symptoms received Lasilactone® 50 mg tablet; (an oral combination of Frusemide 20mg/Spironolactone 50 mg), every other day for 4 weeks. Patients were assessed by modified Western Ontario and McMaster Universities osteoarthritis (WOMAC) index for lower limb and the quick Disabilities of the Arm, Shoulder and Hand Score (DASH) scoring system for upper limbs, Arabic versions, at baseline and after 4 weeks of treatment. Results: The mean WOMAC pain score improved significantly (6.0 v 10; P < 0.001), the mean WOMAC stiffness score improved (2.3 v 3.9; P = 0.002), the mean WOMAC functional score improved (8.7 v 15; P < 0.001), the total WOMAC score improved (17 v 29; P < 0.001), also a significant difference was noticed for the quick DASH score; total score (16 v 25; P = 0.02) After use of diuretics for 4 weeks of treatment compared with baseline scores. Conclusions: The use of diuretics effectively reduces AI related musculoskeletal symptoms with good tolerance.
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.
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 découle