Higher-risk breast cancer in women aged 80 and older: Exploring the effect of treatment on survival
Notice bibliographique
Résumé
BACKGROUND: To understand the association between various treatments and survival for older women with higher-risk breast cancer when controlling for patient and tumor factors. MATERIALS AND METHODS: We conducted a retrospective, population-based study. Women aged 80 years or older and diagnosed between 2004 and 2017 with non-metastatic, higher-risk breast cancer were identified form the provincial cancer registry in Alberta, Canada. Higher-risk was defined as any of following: T3/4, node positive, human epidermal factor receptor-2 (Her2) positive or triple negative disease. Treatments were surgery, radiotherapy and systemic therapy (hormonal therapy, and/or chemotherapy and/or trastuzumab) or a combination of the previous. Cox regression models were used to examine the association between treatments and breast cancer specific survival (BCSS) and overall survival (OS). RESULTS: 1369 patients were included. The median age was 84 years. 332 (24%) of women had T3-T4 tumors, 792 (58%) had nodal involvement, 130 (10%) had Her2 positive tumors, 124 (9%) had triple negative tumors. After a median follow-up of 35 months, 29.5% of patients died of breast cancer whereas 34.2% died from other causes. Patients had a lower adjusted hazard for BCSS if they had surgery (hazard ratio [HR] = 0.37 95% confidence interval [CI]: 0.27, 0.51), or systemic therapy (HR = 0.75, 95%CI: 0.58, 0.98). Patients had an increased probability of breast cancer death in the first 5 years after diagnosis compared to death from other causes. CONCLUSIONS: Surgery and systemic therapy were associated with longer BCSS and OS. This suggests that maximizing treatments might benefit higher-risk patients.
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 ».