MétaCan
Menu
Retour à la cohorte
Enregistrement W4408921384 · doi:10.1007/s00223-025-01362-0

Bone Effects of Anti-Cancer Treatments in 2024

2025· review· en· W4408921384 sur OpenAlexaff
M. Teissonnière, Mathieu Point, Emmanuel Biver, Peyman Hadji, Edith Bonnelye, Peter R. Ebeling, David L. Kendler, Tobias De Villiers, Gerold Holzer, Jean‐Jacques Body, Ghada El‐Hajj Fuleihan, Maria Luisa Brandi, René Rizzoli, Cyrille B. Confavreux

Notice bibliographique

RevueCalcified Tissue International · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueBone health and treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesHospices Civils de Lyon
Mots-clésCancerMedicineInternal medicineDentistry

Résumé

récupéré en direct d'OpenAlex

Considerable progress has been made in the management of cancer patients in the last decade with the arrival of anti-cancer immunotherapies (immune checkpoint inhibitors) and targeted therapies. As a result, a broad spectrum of cancers, not just hormone-sensitive ones, have seen several patients achieve profound and prolonged remissions, or even cures. The management of medium- and long-term side-effects of treatment and quality of life of patients are essential considerations. This is especially true for bone, as bone fragility can lead to increased fractures and loss of autonomy, ultimately reducing the possibility of resuming physical activity. Physical activity is essential for lasting oncological remission and prevention of fatigue. While the issue of hormone therapies and their association with breast cancer has been recognized for some time, the situation is relatively new with regards to targeted therapies and immunotherapies. This is particularly challenging given the wide range of available targeted therapies and their application to numerous cancer types. This article provides a comprehensive review of the bone effects of the main anti-cancer therapies currently in use. The review goes beyond glucocorticoids and hormone therapies and discusses for each drug category what is known regarding cellular effects, BMD effects, and fracture incidence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,041
Tête enseignante GPT0,436
Écart entre enseignants0,395 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations10
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCalcified Tissue InternationalMême sujetBone health and treatmentsTravaux en français237 207