Weight Change of Younger and Older Early Breast Cancer Patients – A Meta Regression
Notice bibliographique
Résumé
Abstract Introduction: Weight gain has a major impact on the quality of life of breast cancer patients. Post treatment weight gain can impact on primary endpoints such as recurrence, death, self identity and the ability to return to work. Parameters thought to impact on weight gain include menopausal status, age and chemotherapy regimen. Using meta-regression, we studied the effect of age on weight change, by menopausal status and chemotherapy regimen. Methods: 24 studies were identified, and extracted for weight change, mean/median age, menopausal status and chemotherapy regimen. A meta-regression was performed, using a random-effects DerSimonian and Laird model for high heterogeneity and fixed-effects inverse-variance model for low heterogeneity. Subgroup analyses were conducted, by menopausal status and chemotherapy regimen. P-values less than 0.05 were considered statistically significant. Results: There exists no relationship between weight change and age (β = 0.00; p = 0.987). Stratifying by menopausal status and chemotherapy regimens, there likewise was no relationship. Conclusion: Management of weight gain due to chemotherapy has been focused on relatively young women where a higher mortality and recurrence has been found. However, our results suggest that age should not be used to differentiate care in these 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) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».