The Effect of Breast Cancer Subtype on Symptom Improvement Following Palliative Radiotherapy for Bone Metastases
Notice bibliographique
Résumé
AIM: To assess the relationship between breast cancer subtypes and patient-reported outcomes (PRO) following palliative radiotherapy for bone metastases. MATERIALS AND METHODS: Prospectively collected PRO for all breast cancer patients treated with palliative, bone metastasis-directed radiotherapy from 2013 to 2016 in the province of British Columbia were analysed. The PRO questionnaire scored pain severity, level of function and symptom frustration at baseline and at 3-4 weeks following palliative radiotherapy using a 12-point scale. The primary outcome was the rate of overall response (any improvement in score); the secondary outcome was the rate of complete improvement in PRO (final PRO score of 0). Multivariate logistic analysis was used to compare response rates between molecular subgroup approximations of luminal A (LumA), luminal B (LumB), HER2-enriched (HER2) and triple negative (TN), as defined by grade and immunohistochemical staining. RESULTS: There were 376 patients who underwent 464 courses of palliative radiation for bone metastases. Subtypes included: 243 LumA, 146 LumB, 46 HER2 and 29 TN. There were 216 multifraction radiotherapy courses (median dose 20 Gy) and 248 single-fraction radiotherapy courses (median dose 8 Gy). The overall response rate was 85% and the complete response rate was 25%. In comparison with LumA breast cancers, TN breast cancers were associated with a lower rate of overall response (69% versus 86%, P = 0.021) and a lower rate of complete response (10% versus 28.8%, P = 0.045) on multivariate analyses. CONCLUSION: Patients with TN breast cancer have lower rates of pain, function and symptom frustration improvement following palliative radiation for bone metastases.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».