Clinical course of multiple sclerosis and patient experiences during breast cancer treatment
Notice bibliographique
Résumé
BACKGROUND: Over one-third of multiple sclerosis (MS) patients are post-menopausal women, the primary demographic affected by breast cancer. After breast cancer diagnosis, there is little information about patients' clinical experiences with both diseases. OBJECTIVE: Utilize a case series of MS patients diagnosed with breast cancer to characterize oncologic and MS trajectories, and generate novel insights about clinical considerations using qualitative analysis. METHODS: A single-center retrospective review was performed on medical record data of patients with MS and breast cancer. Thematic analysis was used to characterize experiences with the concurrent diagnoses. RESULTS: For the 43 patients identified, mean age was 56.7 years at cancer diagnosis and MS duration was 16.5 years. Approximately half were treated with MS disease modifying therapy at cancer diagnosis, and half of these subsequently discontinued or changed therapy. Altogether 14% experienced MS relapse(s) during follow-up (with 2 relapses in the first 2 years), with mean annualized relapse rate of 0.03. Cohort Expanded Disability Status Scale (EDSS) scores remained stable during follow-up. Qualitative insights unique to this population were identified regarding immunosuppression use and neurologic symptoms. CONCLUSIONS: MS relapses were infrequent, and there was modest progression during breast cancer treatment. Oncologic outcomes were comparable to non-MS patients with similarly staged cancer.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».