Obesity and Breast Cancer: Interaction or Interference with the Response to Therapy?
Notice bibliographique
Résumé
Background: Aromatase inhibitors (AI) are widely used for treating hormone-sensitive breast cancer (BC). Obesity, however, due to aromatase-mediated androgen conversion into estradiol in the peripheral adipose tissue, might impair AI inhibitory capacity. We aimed at identifying a cut-off of body mass index (BMI) with significant prognostic impact, in a cohort of stage I-II BC patients on systemic adjuvant therapy with AI. Methods: we retrospectively evaluated routinely collected baseline parameters. The optimal BMI cut-off affecting disease-free survival (DFS) in AI-treated BC patients was identified through maximally selected rank statistics; non-linear association between BMI and DFS in the AI cohort was assessed by hazard-ratio-smoothed curve analysis using BMI as continuous variable. The impact of the BMI cut-off on survival outcomes was estimated through Kaplan−Meier plots, with log-rank test and hazard ratio estimation comparing patient subgroups. Results: A total of 319 BC patients under adjuvant endocrine therapy and/or adjuvant chemotherapy were included. Curve-fitting analysis showed that for a BMI cut-off >29 in AI-treated BC patients (n = 172), DFS was increasingly deteriorating and that the impact of BMI on 2-year DFS identified a cut-off specific only for the cohort of postmenopausal BC patients under adjuvant therapy with AI. Conclusion: in radically resected hormone-sensitive BC patients undergoing neoadjuvant or adjuvant chemotherapy and treated with AI, obesity represents a risk factor for recurrence, with a significantly reduced 2-year DFS.
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) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».