The Effect of Metformin on Bladder Cancer Incidence and Outcomes: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Effective oral treatment options for urothelial bladder cancer (BC) are lacking. Metformin, the most frequently used oral drug in type II diabetes mellitus, has putative anticancer properties and could, therefore, influence BC incidence and treatment outcomes. We systematically reviewed the current literature regarding the effect of metformin on BC incidence and oncological outcomes in non-muscle-invasive bladder cancer (NMIBC) and muscle-invasive bladder cancer (MIBC). METHODS: This review was conducted according to the PRISMA guidelines. Literature was gathered through a systematic search in PubMed/Medline, EMBASE and the Cochrane library. Risk of bias was determined using the Cochrane risk-of-bias tool for randomized trials and the Newcastle-Ottawa Scale for non-randomized trials. Hazard ratios (HRs) were extracted and pooled in a random-effects meta-analysis. RESULTS: We reviewed 13 studies, including 3,315,320 patients, considering the risk of developing BC after metformin exposure and 9 studies, including 4,006 patients, on oncological outcomes of patients with BC. Metformin did not affect BC incidence (HR 0.97, 95% CI 0.87 -1.09) or oncological outcomes for NMIBC but did show a reduced risk of recurrence (HR 0.52, 95% CI 0.32 -0.84), cancer-specific mortality (HR 0.58, 95% CI 0.43 -0.78) and overall mortality (HR 0.66, 95% CI 0.47 -0.92) in MIBC. CONCLUSIONS: The role of metformin in the prevention and treatment of BC in patients remains unclear. Although a beneficial effect of metformin on treatment outcomes of certain stages of BC may exist, a definitive conclusion cannot be drawn. Prospective clinical trials are needed to assess the efficacy of metformin for BC treatment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».