MétaCan
Menu
Retour à la cohorte
Enregistrement W3091982560 · doi:10.1093/eurpub/ckaa166.322

Trajectories of adherence to adjuvant endocrine therapy for 5 years in women with breast cancer

2020· article· en· W3091982560 sur OpenAlexaff
Victoria Memoli, Grégory Lailler, C. Lebihan, Marc‐Karim Bendiane, Sophie Lauzier, J Mancini, Philippe‐Jean Bousquet, A-D. Bouhnik

Notice bibliographique

RevueEuropean Journal of Public Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerCancerCohortAmbulatoryLogistic regressionInternal medicineAdjuvant therapyOncology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Adjuvant endocrine therapy (AET) is a daily oral medication prescribed for women with hormone-sensitive breast cancer (BC) to reduce recurrence and mortality risks. However, many women do not take AET daily or do not persist with AET for the recommended duration of at least 5 years. Our aims were to identify: 1) trajectories of AET adherence for the 5 years; 2) factors associated with these trajectories. Methods The French Cancer Cohort includes data on hospitalizations, ambulatory care and drug claims for all cancers diagnosed in France (SNDS database). Women diagnosed with a 1st non-metastatic BC in 2011 who had ≥ 1 AET claim within 12 months of surgery were included. For each woman, we estimated the monthly proportion of days covered (PDC) by an AET for 5 years after the first AET. Monthly PDCs were used to model AET adherence trajectories using group-based trajectory modeling. Statistical criteria were used to assess the suitability of the selected model. The factors associated with the trajectories were identified using multinomial logistic regressions. Results 33,260 women were included. A 6-trajectory model was selected: 1) Stop of AET in the 1st year (6.6%), 2) Adherence for 1 year and stop (5.7%), 3) Adherence for 2.5y and stop (6.3%), 4) High adherence for 4.5y and stop (8.3%), 5) Sub-optimal adherence for 5y (4.3%), 6) Very high adherence for 5y (68.8%). Factors associated with non-adherence trajectories are mainly extreme age (>70y) and switch in AET. Conclusions About 70% of women had an optimal adherence for 5 years. Our results showed that women who changed AET during the treatment course were at higher risk of non-adherence. Among non-adherent women, the switch in AET is frequent and probably often related to the management of side effects. Interventions to detect and manage these side effects may help to support women with AET use. Effective management of these effects during all the 5 years could be needed to maintain adherence. Key messages About 70% of women had an optimal adherence for 5 years. Women who changed AET during the treatment course were at higher risk of non-adherence.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,120
Tête enseignante GPT0,357
Écart entre enseignants0,237 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Public HealthMême sujetMedication Adherence and ComplianceTravaux en français237 207