MétaCan
Menu
Retour à la cohorte
Enregistrement W4360616251 · doi:10.3390/cancers15061917

What Is Known about Breast Cancer in Young Women?

2023· review· en· W4360616251 sur OpenAlexaff
Jie Wei Zhu, Parsa Charkhchi, Shadia Adekunte, Mohammad R. Akbari

Notice bibliographique

RevueCancers · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensPublic Health OntarioWomen's College HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBreast cancerMedicineIncidence (geometry)CancerEpidemiologyYoung adultOncologyInternal medicineGynecology

Résumé

récupéré en direct d'OpenAlex

Breast cancer (BC) is the second leading cause of cancer-related death in women under the age of 40 years worldwide. In addition, the incidence of breast cancer in young women (BCYW) has been rising. Young women are not the focus of screening programs and BC in younger women tends to be diagnosed in more advanced stages. Such patients have worse clinical outcomes and treatment complications compared to older patients. BCYW has been associated with distinct tumour biology that confers a worse prognosis, including poor tumour differentiation, increased Ki-67 expression, and more hormone-receptor negative tumours compared to women >50 years of age. Pathogenic variants in cancer predisposition genes such as BRCA1/2 are more common in early-onset BC compared to late-onset BC. Despite all these differences, BCYW remains poorly understood with a gap in research regarding the risk factors, diagnosis, prognosis, and treatment. Age-specific clinical characteristics or outcomes data for young women are lacking, and most of the standard treatments used in this subpopulation currently are derived from older patients. More age-specific clinical data and treatment options are required. In this review, we discuss the epidemiology, clinicopathologic characteristics, outcomes, treatments, and special considerations of breast cancer in young women. We also underline future directions and highlight areas that require more attention in future studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,332
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations142
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetBreast Cancer Treatment StudiesTravaux en français237 207