Risk of Cardiovascular Events and Lipid Profile Change in Patients with Breast Cancer Taking Aromatase Inhibitor: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Cardiovascular disease (CVD) is one of the most common comorbidities in breast cancer survivors. Recently, the target population and treatment period for aromatase inhibitor (AI) treatment in breast cancer patients has been expanding. However, information on adverse CVD events from the long-term use of AI is still lacking. The aim of this study was to investigate the CVD side effects of AI treatment and to evaluate the changes in lipid profile during AI treatment. A systematic search of PubMed (Medline), EMBASE, and Cochrane Library databases reporting on cardiovascular outcomes or lipid profiles change in adult female breast cancer patients (>19 years old) with AI was performed. The pooled analysis of 25 studies showed that the prevalence rate of any type of cardiovascular disease was 6.08 per 100 persons (95% CI 2.91-10.31). Angina was the most common type of heart-related cardiovascular event accounting for 3.85 per 100 persons, followed by any type of stroke (3.34) and venous thromboembolism (2.95). Ischemic stroke (OR 1.39, 95% CI 1.07-1.81) and myocardial infarction (OR 1.30, 95% CI 0.88-1.93) were more common in AI compared with tamoxifen, whereas the prevalence of venous thromboembolism (OR 0.61, 95% CI 0.37-1) was significantly lower in the AI group. In addition, treatment with AI for 6-12 months showed a decrease in HDL-cholesterol and an increase in LDL-cholesterol and total cholesterol. Various CVDs can occur when using AI, and in particular, the risk of MI and ischemic stroke increases in comparison with the adverse effect of tamoxifen. The occurrence of CVD might be related to the deterioration of the lipid profile after AI treatment. Therefore, a customized individualization strategy considering each patient's CV risk factors is needed during AI 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 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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,035 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».