Hormonal therapy for breast cancer : measuring adherence in medical and administrative databases
Notice bibliographique
Résumé
Les formes orales de traitements anticancéreux se sont considérablement développées récemment. La question de l’adhésion au traitement devient donc un nouvel enjeu en oncologie. Cette thèse aborde de façon générale le problème de l’adhésion aux traitements oraux en oncologie, et plus spécifiquement celui de la mesure en bases de données médico-administrativesde l’observance et de la persistance à l’hormonothérapie, traitement oral majeur dans le cancer du sein. Le point de vue retenu est celui de la pharmacoépidémiologie, à savoir l’étude des consommations pharmaceutiques en contexte clinique. La première partie de cette thèse fait le point sur les connaissances actuelles concernant l’adhésion à l’hormonothérapie - tamoxifène et inhibiteurs de l’aromatase (IA) - dans le cancer du sein. La seconde partie, reposant sur l’analyse de cohortes de patientes atteintes de cancer du sein sélectionnées à partir de (1) la UK General Practice Research Database et (2) des données de l’Assurance Maladie, a montré que : - Plus de la moitié des femmes de moins de 40 ans au diagnostic ne reçoivent plus de tamoxifène à 5 ans. Il s’agit du groupe de femmes le plus à risque d’arrêt prématuré de traitement. - Chez les femmes âgées de plus de 50 ans au diagnostic, les arrêts de traitement sont moins fréquents pour les IA que pour le tamoxifène. - Les déterminants associés à la non-persistance sont un faible soutien social et la déclaration précoce de non-prise de traitement par la patiente chez les femmes jeunes. Chez les femmes âgées, l’utilisation de médecines complémentaires et alternatives, la présence de comorbidités sont associées à une augmentation du risque d’arrêt de traitement. A contrario, la présence d’une poly-médication est associée à une diminution du risque d’arrêt.- Dans les études précédentes, une proportion importante de femmes reprend son traitement au moins une fois après l’avoir arrêté de façon prolongée. Les arrêts transitoires de traitements ont été pris en compte à l’aide de modèles multi-états. La probabilité d’arrêt de traitement estimée à partir de ces modèles est plus faible que celle mesurée par la méthode de Kaplan-Meier, après la première année de traitement. La non-adhésion à l’hormonothérapie est fréquente. Certains de ses déterminants sont modifiables ou peuvent servir à identifier précocement les patientes à risque de non-observance. La prise en compte des arrêts transitoires de traitement est importante dans la mesure de la persistance. L’adhésion est l’élément clé faisant le lien entre l’efficacité d’un traitement mesuréedans un essai clinique et son impact dans la vraie vie. Il est urgent de prendre conscience de l’importance de la non-adhésion des formes orales en oncologie
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,030 | 0,001 |
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 ».