MétaCan
Menu
Retour à la cohorte
Enregistrement W4410025580 · doi:10.1200/edbk-25-473450

Financial Toxicity and Breast Cancer: Why Does It Matter, Who Is at Risk, and How Do We Intervene?

2025· review· en· W4410025580 sur OpenAlexaff
Kamaria L. Lee, Alexandru Eniu, Christopher M. Booth, Molly MacDonald, Fumiko Chino

Notice bibliographique

RevueAmerican Society of Clinical Oncology Educational Book · 2025
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Financial Impacts of Cancer
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBreast cancerMedicineQuality of life (healthcare)Survivorship curveCancerRadiation therapyDiseasePsychological interventionIntensive care medicineFinanceInternal medicineNursingBusiness

Résumé

récupéré en direct d'OpenAlex

Financial toxicity, or the financial burden patients experience because of medical costs, can lead to negative patient effects including lower quality of life, compromised clinical care, and worse health outcomes. People with cancer and survivors are more likely to have financial toxicity than those without cancer, and patients with breast cancer are uniquely at risk. Patients with breast cancer often require multimodal treatment (surgery, radiation, and/or systemic therapy) and adjuvant hormonal therapy can continue for years after primary treatment. With improved disease outcomes, patients with breast cancer have prolonged survivorship often lasting decades but may carry chronic toxicities from treatment; both ongoing treatment of metastatic disease and long-term surveillance include continued tests, imaging, and medical visits that add to the cumulative burden on patients and their families. Additionally, breast cancer predominately affects women, who are more likely to have dual caregiver responsibilities, and increasingly is diagnosed in younger patients, who may have fertility preservation expenses and are more likely to experience education and/or employment disruption. When faced with high costs, patients may face difficult decisions regarding what sacrifices they are willing to endure to receive care. Interventions designed to reduce financial toxicity are moving out of the pilot phase, and ongoing randomized trials are expected to provide evidence into the effectiveness of financial navigation programs. Further work to address financial toxicity in breast cancer at the patient-provider, institutional, and governmental levels is needed for comprehensively better financial outcomes and quality of life.

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)0,003
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,004
Science ouverte0,0010,002
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

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 Opus0,063
Tête enseignante GPT0,400
Écart entre enseignants0,337 · 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'étudeSans objet
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

Citations11
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Society of Clinical Oncology Educational BookMême sujetEconomic and Financial Impacts of CancerTravaux en français237 207