MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406421525 · doi:10.3390/curroncol32010042

Impact of Bone-Modifying Agents on Post-Bone Metastasis Survival Across Cancer Types

2025· article· en· W4406421525 sur OpenAlexvenueno aff
Hironari Tamiya, Kazumi Nishino, Yuji Kato, Reina Nakahashi-Kato, Yurika Kosuga-Tsujimoto, Shota Kinoshita, Rie Suzuki, Makiyo Watanabe, Toru Wakamatsu, Shigeki Kakunaga, Satoshi Takenaka

Notice bibliographique

RevueCurrent Oncology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBone metastasisMetastasisInternal medicineOncologyPopulationProstate cancerCancer

Résumé

récupéré en direct d'OpenAlex

Background: Bone metastasis is associated with a poor prognosis. Bone-modifying agents (BMA) are commonly used for the prevention or treatment of skeletal-related events (SRE) in patients with bone metastasis; however, whether or not treatment with BMA improves survival remains unclear. In this study, we investigated whether BMA was involved in post-bone metastasis survival. Methods: A total of 539 cancer patients were retrospectively analyzed to identify significant independent factors in post-bone metastasis survival. Results: Among the overall population, patients with the following cancers had a median survival longer than 24 months: thyroid, 97.2 months; breast, 51.5 months; prostate, 47.2 months; and kidney, 38.8 months. In contrast, median post-bone metastasis survival was significantly shorter in gastrointestinal (GI) (6.5 months), head and neck (6.3 months), and urinary tract (3.4 months) cancers. In non-small cell lung cancer (NSCLC), the log-rank test demonstrated that the epidermal growth factor receptor (EGFR) mutation was a significant factor for post-bone metastasis survival: EGFR mutation (−) n = 67, median post-bone metastasis survival 11.5 months (95% CI: 6.0–15.2); EGFR mutation (+) n = 39, median post-bone metastasis survival 28.8 months (95% CI: 18.1–35.7) (p < 0.05). Intriguingly, treatment with BMA was a significant positive prognostic factor: BMA (−) n = 203, median post-bone metastasis survival 7.8 months (95% CI: 5.8–12.5); BMA (+) n = 336, median post-bone metastasis survival 21.9 months (95% CI: 16.1–26.4) (p < 0.001). Moreover, the Cox proportional hazards model showed that this was particularly evident in cancer types with poor prognosis such as GI cancer (hazard ratio [HR]: 0.62, 95% CI: 0.40–0.95; p < 0.05) and NSCLC without the epidermal growth factor receptor (EGFR) mutation (HR: 0.56, 95% CI: 0.34–0.91; p < 0.05). Conclusions: Treatment with BMA is recommended not only for the prevention and/or treatment of SRE, but also may have a positive impact on post-bone metastasis survival, particularly in cancers with typically poor post-bone metastasis survival such as GI cancer and NSCLC without the EGFR mutation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,183
Tête enseignante GPT0,549
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetBone health and treatments→Travaux en français237 207→