Does age affect outcome with breast cancer?
Notice bibliographique
Résumé
Prior data about the influence of age at diagnosis of breast cancer on patient outcomes and survival has been conflicting. Using the Breast Cancer Outcomes Unit database at BC Cancer, this retrospective population-based study identified a cohort of 24,469 patients diagnosed with invasive breast cancer between 2005 and 2014. Median follow-up was 11.5 years. We analyzed clinical and pathological features at diagnosis and treatment specific variables compared across the following age cohorts: <35, 35-39, 40-49, 50-59, 60-69, 70-79, and 80 years of age and older. We assessed the impact of age on breast cancer specific survival (BCSS) and overall survival (OS) by age and subtype. There were distinct clinical-pathological and treatment pattern differences at both extremes of age at diagnosis. Patients <35 and 35-39 years old were more likely to present with higher risk features, HER2 positive or triple-negative biomarkers, and more advanced TNM stage at diagnosis. They were more likely to undergo treatment with mastectomy, axillary lymph node dissection, radiotherapy and chemotherapy. Conversely, patients ≥80 years old were generally more likely to have hormone-sensitive HER2-negative disease, and lower TNM stage at diagnosis. They were less likely to undergo surgery or be treated with radiotherapy and chemotherapy. Both younger and elderly age at breast cancer diagnosis were independent risk factors for poorer prognosis after controlling for subtype, LVI, stage, and treatment factors. This work will help clinicians to more accurately estimate patient outcomes, patterns of relapse, and provide evidence-based treatment recommendations.
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 ».