Complementary Medicine Use Amongst Patients with Metastatic Cancer Enrolled in Phase III Clinical Trials
Notice bibliographique
Résumé
BACKGROUND: Complementary medicines (CM) are frequently used by patients with cancer. Controversy exists over the effectiveness and risk that CM may add to conventional cancer therapy. The incidence of CM use among patients enrolled in phase III clinical trials is unknown. METHODS: Medication lists from 6 international phase III clinical trials were retrospectively reviewed to identify patients using CM. Patients had metastatic breast, colorectal, or lung cancers. Quality of life, adverse events, overall survival, and progression-free survival were compared between CM users and non-users. Baseline differences between groups were adjusted with propensity score matching groups. RESULTS: Seven hundred and six of 3446 patients (20.5%) used at least one CM. CM use was highest among patients with breast cancer (35.6%). CM users had more favorable baseline prognostic factors (ECOG 0-1, non-smoking status, younger age, and fewer metastases). CM use was associated with lower rates of adverse events (50% vs. 62%, P = .002) and quality of life was similar between both groups. After adjustment with propensity score matching, CM use was also associated with longer overall survival in patients with lung cancer (adjusted hazard ratio 0.80, 95%CI, 0.68-0.94, P =.0054). However, several key control variables like EGFR status were not available. CONCLUSION: One in 5 patients in phase III clinical trials report using CM. CM was not associated with worse cancer-specific outcomes. However, CM users had more favorable baseline prognostic factors, and likely other confounders that may have contributed to improved outcomes observed in the lung cohort. Physicians should monitor for CM use and potential interactions with clinical trial drugs.
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 | 0,006 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».