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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».