Factors associated with the onset and survival of subsequent primary breast cancer in female non‐metastatic breast cancer survivors
Notice bibliographique
Résumé
Abstract This study aimed to investigate the risk factors for the onset of subsequent primary breast cancer (SPBC) in women with a previous diagnosis of early‐stage breast cancer (BC) and to construct a prognostic prediction model for patients with SPBC. Using the Surveillance, Epidemiology, and End Results‐17 (SEER‐17) database, we conducted a retrospective cohort analysis on women with initial primary early‐stage BC from 2004 to 2015. Standardized incidence ratio (SIR) was calculated to determine the risk of subsequent primary cancer (SPC). A competing risk model was built to identify the risk factors for the onset of SPBC. And risk factors associated with breast cancer‐specific mortality in SPBC patients were evaluated and presented in the form of nomogram. Compared with the general population, the overall risk of SPC for all sites was significantly elevated in women with early‐stage BC (SIR = 1.21, 95% CI: 1.20–1.23), and breast is the most frequent site. Age, race and ethnicity, year of diagnosis, history of other tumors, histological type, surgery, radiation, chemotherapy, tumor size, positive lymph nodes numbers and ER status were independent risk factors ( p < .05) for the onset of SPBC. A new prognosis nomogram demonstrated good discrimination after internal validation with a C‐index of 0.869 (95% CI: 0.859–0.880), and showed favorable consistency and clinical usefulness. The incidence of SPBC and prognosis of patients with SPBC were well estimated based on a large cohort. Our nomogram model had excellent prediction performance and could be a useful tool to predict prognosis.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».