Neo-adjuvant therapies for ER positive/HER2 negative breast cancers: from chemotherapy to hormonal therapy, CDK inhibitors, and beyond
Notice bibliographique
Résumé
INTRODUCTION: Chemotherapy has been traditionally used as neo-adjuvant therapy in breast cancer for down-staging of locally advanced disease in all sub-types. In the adjuvant setting, genomic assays have shown that a significant proportion of ER positive/HER2 negative patients do not derive benefit from the addition of chemotherapy to adjuvant endocrine therapy. An interest in hormonal treatments as neo-adjuvant therapies in ER positive/HER2 negative cancers has been borne by their documented success in the adjuvant setting. Moreover, cytotoxic chemotherapy is less effective in ER positive/HER2 negative disease compared with other breast cancer subtypes in obtaining pathologic complete responses. AREAS COVERED: Neo-adjuvant therapies for ER positive/HER2 negative breast cancers and associated biomarkers are reviewed, using a Medline survey. A focus of discussion is the prediction of patients that are unlikely to derive extra benefit from chemotherapy and have the highest probabilities of benefiting from hormonal and other targeted therapies. EXPERT OPINION: Predictive biomarkers of response to neo-adjuvant chemotherapy and hormonal therapies are instrumental for selecting ER positive/HER2 negative breast cancer patients for each treatment. Chemotherapy remains the standard of care for many of those patients requiring neo-adjuvant treatment, but other neo-adjuvant therapies are increasingly used.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».