Investigating SSc Populations with Breast Cancer by Age and Antibody Presence
Notice bibliographique
Résumé
Systemic sclerosis (Scleroderma, SSc) is a connective tissue disease that affects multiple organ systems in the body. Evidence suggests SSc has been linked to malignancies such as breast cancer (BC). This systematic review characterizes the clinical links of patients diagnosed with both SSc and BD, with a focus on antibody markers such as anti-centromere antibody (ACA), anti-nuclear antibody (ANA), and anti-topoisomerase antibody (anti-scl-70+), and relevant demographic factors such as age at SSc and BC diagnosis. A comprehensive literature search was conducted in PubMed using relevant keywords and MeSH terms. Inclusion criteria included English language retrospective analysis that characterized patients with SSc with, or without BC. Two independent reviewers will assess study eligibility based on predetermined criteria. Data extraction will include patient antibody measurements, demographics (age, gender), family history, social behaviors (alcohol use, smoking history), concurrent conditions, treatments, and adverse effects following treatment. Thirteen articles were identified in the literature with relevant data of SSc and BC patients. Studies encompassed research pertaining to SSc patients with, or without BC, and relevant risk factors being measured. Adverse treatment outcomes and concurrent conditions of BC were found when patients had a family history of SSc, BC, alcohol use, or smoking history. Our results suggest that the presence of ANA, ACA, or ATA in SSc patients is correlated with BC, and that SSc diagnosis commonly preceded BC diagnosis. However, further research is necessary to advance the linkage between SSc and BC, and whether occurrence of one condition is linked to the other.
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) | 0,000 | 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 ».