Long-Term Risk of Death From Heart Disease Among Breast Cancer Patients
Notice bibliographique
Résumé
Background: Most breast cancer patients die of non-cancer causes. The risk of death from heart disease, a leading cause of death, is unknown. The aim of this study is to characterize the long-term risk of fatal heart disease in breast cancer patients. Methods: This retrospective study used the Surveillance, Epidemiology, and End Results (SEER) database. Standard mortality ratios (SMR) were calculated for breast cancer patients diagnosed from 1992 to 2014. Patients were stratified by receipt of radiotherapy and/or chemotherapy, disease laterality, and diagnosis era. Hazard ratios (HRs) and odds ratios (ORs) were calculated to compare the risk of death from heart disease among other breast cancer patients. Results: < 0.001). There was no statistically significant difference in SMR for death from heart disease for left-sided vs. right-sided disease. At 10+ years, heart disease made up 28% of deaths from non-primary cancer. HRs and ORs showed that the risk of death from heart disease was highest in patients older than 70 years of age and with longer follow-up. Conclusion: The risk of fatal heart disease was highest in older breast cancer patients with longer follow-up (i.e., >5-10 years) and who received chemotherapy. These patients should be referred to cardio-oncology clinics to mitigate this risk.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».