Systematic literature review and trial-level meta-analysis of aromatase inhibitors vs tamoxifen in patients with HR+/HER2− early breast cancer
Notice bibliographique
Résumé
BACKGROUND: Current standard of care for patients with HR+/HER2- early breast cancer (EBC) includes adjuvant endocrine therapy with an aromatase inhibitor (AI) or tamoxifen (TAM). We present a trial-level meta-analysis on efficacy of AI vs TAM in patients with HR+/HER2- EBC. METHODS: A systematic literature review was conducted using key medical literature databases (eg, PubMed; inception to October 2023) and data from conferences (to December 2023). Phase 3 randomized controlled trials (RCTs) that had ≥80 % of patients with HR+/HER2- EBC (or available subgroup data) and reported a disease-free survival (DFS) hazard ratio for AI vs TAM were included in the meta-analysis, regardless of menopausal status and ovarian function suppression (OFS) use. The generic invariance method was used to calculate a pooled effect estimate of DFS hazard ratios and 95 % CIs. A base-case analysis (all RCTs) and scenario analyses for NSAI-only, premenopausal, and postmenopausal RCTs were conducted. RESULTS: Five RCTs were identified for inclusion in the meta-analysis. In the base-case analysis, DFS significantly favored AI ± OFS vs TAM ± OFS (pooled hazard ratio, 0.68; 95 % CI, 0.61-0.76; P < .0001). Results from scenario analyses were consistent with the base case; NSAI-only (pooled hazard ratio, 0.68; 95 % CI, 0.59-0.78; P < .0001), premenopausal (pooled hazard ratio, 0.65; 95 % CI, 0.56-0.76; P < .0001), and postmenopausal (pooled hazard ratio, 0.72; 95 % CI, 0.61-0.86; P = .001) RCTs favored AI ± OFS over TAM ± OFS. CONCLUSIONS: This trial-level meta-analysis demonstrated a significant DFS benefit with AI vs TAM for patients with HR+/HER2- EBC, which was more pronounced in premenopausal women.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».