Impact of serum lipids on prognosis in breast cancer patients: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Whether serum lipids have an impact on breast cancer(BC) prognosis remains controversial and unstudied. We conducted this systematic review (SR) and meta-analysis (MA) to explore the impact of levels of various components of the lipid profile on multiple survival outcomes (OSs) of BC. METHODS: We searched Pubmed, Embase, Cochrane Library, and Web of Science for relevant cohort studies to assess the impact of multiple lipids on the prognosis of BC patients. Included studies were subjected to quality assessment using the Newcastle-Ottawa scale (NOS). MA of extracted data was performed using StataSE 15.1. RESULTS: 17 studies in total were included, involving a sample size of 24,026. MA showed that high levels of low-density lipoprotein cholesterol (LDL-C ) (HR (hazard ratios) = 1.96, 95% confidence interva (CI): 1.03-3.73), apolipoprotein E (ApoE) (HR = 3.68, 95% CI: 1.71-7.94), and apolipoprotein B (ApoB) (HR = 1.93, 95% CI: 1.44-2.59) were associated with poorer OS, while high levels of low-density lipoprotein (LDL) (HR = 0.81, 95% CI. 0.74-0.88) and apolipoprotein D (ApoD) (HR = 0.44, 95% CI: 0.24-0.81) were associated with better OS. Both a high level of total cholesterol (TC) (HR = 1.60, 95% CI:1.08-2.37) and dyslipidemia (HR = 1.71, 95% CI:1.12-2.62) had a negative impact on disease-free survival (DFS) in BC patients. CONCLUSION: This MA showed that the levels of LDL-C, ApoE, and ApoB in serum were associated with OS, and the TC level in serum and dyslipidemia were associated with DFS. However, the levels of blood lipids were less associated with other prognostic outcomes. Other high-quality studies are needed to further elucidate this issue. REGISTRATION: PROSPERO CRD42024541755.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,005 |
| Bibliométrie | 0,001 | 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 ».