MétaCan
Menu
← Retour à la cohorte
Enregistrement W4379339623 · doi:10.1200/jco.2023.41.16_suppl.e24126

Evaluating response to interventions for vasomotor symptoms in patients with breast cancer: A patient-centered approach.

2023· article· en· W4379339623 sur OpenAlexaff
Katherine Cole, Sharon F. McGee, Mark Clemons, Michelle Liu, Fiona MacDonald, Lisa Vandermeer, Terry L. Ng, Gregory R. Pond, Khaled El Emam

Notice bibliographique

RevueJournal of Clinical Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer survivorship and care
Établissements canadiensMcMaster UniversityOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionDiscontinuationBreast cancerLogistic regressionPhysical therapyProspective cohort studyInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

e24126 Background: Vasomotor symptoms (VMS), such as hot flashes, are a common reason for early discontinuation of endocrine therapy for patients (pts) with breast cancer (BC). The optimal intervention for VMS remains unknown. Using a novel symptom change analysis and regression trees, we examined whether clinically important change in VMS severity depends on baseline symptomatology. Methods: In this prospective study, pts with BC experiencing VMS chose either a lifestyle (LS), or non-LS (i.e. complementary and alternative therapies [CAM], prescription medications [PM], or endocrine therapy modification [ETM]) intervention. The primary outcome was change in symptom severity using the 10-point Hot Flush Rating Scale (HFRS). Patients declining interventions were included as controls. At the end of the 6-week intervention, participants rated the effectiveness of their chosen intervention on a five-point Likert scale. A logistic sigmoid function and Bayesian optimization were used to weight the change in VMS score based on baseline VMS severity. A regression tree was trained to predict which intervention resulted in the greatest improvement in VMS at 6 weeks. Results: 100 baseline and follow-up questionnaires from 85 pts were included in an intention to treat analysis. The median baseline HFRS was 5.0 (IQR 3.33 ,7.00). Selected interventions included LS (27%), CAM (25%), PM (11%) and ETM (8%), with 29% declining interventions. After removal of missing data, 59 individuals provided responses for both the HFRS score and the effectiveness score. Higher baseline HFRS scores had greater impact on symptom change scores. The largest difference in VMS improvement was noted between the non-LS (median symptom change –0.82, IQR –2.00, –0.01) and LS/control groups (median symptom change – 0.38, IQR –1.46, 0.00) (Table 1). Of non-LS interventions, CAM had the greatest improvement in VMS severity. Pre-menopausal individuals who pursued LS interventions had the least improvement in VMS severity. Conclusions: Interventions for VMS were most impactful among pts with greater baseline symptoms. While LS interventions were the most commonly selected intervention, the resulting improvement in symptoms at 6 weeks was negligible, and alternative strategies should be encouraged. Future studies integrating pt preferences and accounting for baseline symptom severity are needed. [Table: see text]

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)0,013
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,196
Tête enseignante GPT0,511
Écart entre enseignants0,315 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetCancer survivorship and care→Travaux en français237 207→