MétaCan
Menu
Retour à la cohorte
Enregistrement W2935812534 · doi:10.1158/1538-7445.sabcs18-p6-13-06

Abstract P6-13-06: Estrogen-based hormone replacement [HRT] therapy is substantially more effective than tamoxifen in reducing breast cancer mortality and breast cancer case fatality ratio: Emergence of a new paradigm

2019· article· en· W2935812534 sur OpenAlexaff
Joseph Ragaz, Shayan Shakeraneh, Hong Qian, Wilson Ks, Hong Yuen Wong, JJ Spinelli

Notice bibliographique

RevueCancer Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Risks and Factors
Établissements canadiensSt. Paul's HospitalCentre for Advancing Health OutcomesUniversity of VictoriaUniversity of British ColumbiaProvidence Health CareBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerHazard ratioTamoxifenHormone replacement therapy (female-to-male)OncologyGynecologyInternal medicinePlaceboCancerCase fatality rateObstetricsConfidence intervalEpidemiology

Résumé

récupéré en direct d'OpenAlex

Abstract OBJECTIVE: To compare, in the setting of breast cancer (BrCa) prevention, the impact of estrogen-based hormone replacement therapy (E-HRT) vs. tamoxifen (TAM) on breast cancer mortality (BrCa-M) and breast cancer case fatality ratio (BrCa-CFR), by analyzing data from the Women's Health Initiative Trial 2 (WHI HRT Trial 2, E-HRT vs. placebo [P])1 and the International Breast Cancer Intervention Study 1 (IBIS-1), TAM vs. P.2 METHODS: Hazard ratios (HR) and confidence intervals (CI) for BrCa incidence and mortality were extracted from the original WHI HRT Trial 2 and IBIS-1 trials.1,2 BrCa-CFRs were estimated by dividing the mortality HR by the incidence HR. Subsequently, to compare E-HRT vs. TAM outcomes, the ratios of HRs (HR1/HR2) between the two trials were estimated separately for BrCa-M and BrCa-CFR. The 95% CI was derived through logarithmic transformation of the 95% CI originally reported. RESULTS: Mortality and Case Fatality Outcomes: Impact of E-HRT versus TAM, expressed as ratio of HRs E-HRT vs. Placebo, HR1TAM vs. Placebo, HR2HR1/HR2pMortality0.55 (0.33-0.92)1.19 (0.68-2.10)0.46 (0.22-0.99)0.046Case Fatality0.70 (0.40-1.20)1.68 (0.93-3.01)0.42 (0.18-0.94)0.040 CONCLUSIONS: While acknowledging between-trial comparisons including eligibility differences, E-HRT yields significant reductions in BrCa mortality and case fatality as compared with TAM (54% and 58% respectively). These unexpected breast cancer mortality reductions represent major public health gains, additional to the already known superiority of E-HRT over TAM in terms of skeletal fracture rates and Alzheimer's dementia mortality reduction, and, in women entering menopause, also of cardiac and all-cause mortality reductions. REFERENCES: 1. Manson JE, Aragaki AK, Rossouw JE, et al. Menopausal Hormone Therapy and Long-term All-Cause and Cause-Specific Mortality: The Women's Health Initiative Randomized Trials. JAMA 2017;318:927-38. 2. Cuzick J, Sestak I, Cawthorn S, et al. Tamoxifen for prevention of breast cancer: extended long-term follow-up of the IBIS-I breast cancer prevention trial. The Lancet Oncology 2015;16:67-75. Citation Format: Ragaz J, Shakeraneh S, Qian H, Wilson KS, Wong H, Spinelli JJ. Estrogen-based hormone replacement [HRT] therapy is substantially more effective than tamoxifen in reducing breast cancer mortality and breast cancer case fatality ratio: Emergence of a new paradigm [abstract]. In: Proceedings of the 2018 San Antonio Breast Cancer Symposium; 2018 Dec 4-8; San Antonio, TX. Philadelphia (PA): AACR; Cancer Res 2019;79(4 Suppl):Abstract nr P6-13-06.

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)0,023
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,083
Tête enseignante GPT0,432
Écart entre enseignants0,349 · 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'étudeMéta-analyse
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetCancer Risks and FactorsTravaux en français237 207