Evaluating response to interventions for vasomotor symptoms in patients with breast cancer: A patient-centered approach.
Notice bibliographique
Résumé
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 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 | 0,013 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».