Challenges and opportunities for improving cardiovascular health in women with breast cancer: a review
Notice bibliographique
Résumé
BACKGROUND: Breast cancer survivors are at a high risk of developing cardiovascular disease (CVD) owing to cancer treatment. Breast cancer and CVD share common risk factors, necessitating CVD risk assessment along with cancer screening. This review aimed to explore the challenges and opportunities associated with promoting cardiovascular health in women with breast cancer. MAIN TEXT: Cardio-oncology is a rapidly developing discipline that focuses on identifying, monitoring, and managing CVD in cancer patients. Preventing and managing CVD in patients with breast cancer involves evaluating risk factors, initiating cardioprotective medications, and implementing cardio-oncology rehabilitation. Major barriers to cardio-oncology prevention and management include inadequate programs, sex/gender-specific issues, financial constraints, underutilization of cardiac rehabilitation (CR), determination of the appropriate time to begin CR, physical limitations, psychological issues, and social and racial disparities. CONCLUSION: A preventive cardio-oncology approach; early identification of cardiotoxicity, CVD risk factors, anxiety, and depression; individualized CR programs; early CR referrals; home/community and virtual CR models; dedicated funding, resources, and personnel; a multidisciplinary team approach; and culturally tailored cardio-oncology care can be beneficial for addressing CVD health challenges and disparities in women with breast cancer.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».