Triple negative breast cancer: approved treatment options and their mechanisms of action
Notice bibliographique
Résumé
PURPOSE: Breast cancer, the most prevalent cancer worldwide, consists of 4 main subtypes, namely, Luminal A, Luminal B, HER2-positive, and Triple-negative breast cancer (TNBC). Triple-negative breast tumors, which do not express estrogen, progesterone, and HER2 receptors, account for approximately 15-20% of breast cancer cases. The lack of traditional receptor targets contributes to the heterogenous, aggressive, and refractory nature of these tumors, resulting in limited therapeutic strategies. METHODS: Chemotherapeutics such as taxanes and anthracyclines have been the traditional go to treatment regimens for TNBC patients. Paclitaxel, docetaxel, doxorubicin, and epirubicin have been longstanding, Food and Drug Administration (FDA)-approved therapies against TNBC. Additionally, the FDA approved PARP inhibitors such as olaparib and atezolizumab to be used in combination with chemotherapies, primarily to improve their efficiency and reduce adverse patient outcomes. The immunotherapeutic Keytruda was the latest addition to the FDA-approved list of drugs used to treat TNBC. RESULTS: The following review aims to elucidate current FDA-approved therapeutics and their mechanisms of action, shedding a light on the various strategies currently used to circumvent the treatment-resistant nature of TNBC cases. CONCLUSION: The recent approval and use of therapies such as Trodelvy, olaparib and Keytruda has its roots in the development of an understanding of signaling pathways that drive tumour growth. In the future, the emergence of novel drug delivery methods may help increase the efficiency of these therapies whiel also reducing adverse side effects.
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 | 0,004 | 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 | 0,001 |
| 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) | 0,001 | 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 ».