FJ
Flavia Jacobs
Author with expertise in Deep Learning in Medical Image Analysis
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
4
(25% Open Access)
Cited by:
1
h-index:
10
/
i10-index:
10
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Empowerment, Pain Control, and Quality of Life Improvement in Early Triple-Negative Breast Cancer Patients through Pain Neuroscience Education: A Prospective Cohort Pilot Study Protocol (EMPOWER Trial)

Paola Tiberio et al.Jul 1, 2024
The treatment of early triple-negative breast cancer (eTNBC) has improved patients’ prognosis but often leads to adverse events and sequelae affecting quality of life (QoL). Pain Neuroscience Education (PNE) is a promising non-pharmacological intervention in this field. Preliminary data have shown the beneficial effect of PNE in BC survivors. However, there are still gaps in knowledge regarding its optimal use in eTNBC. To address this issue, a prospective pilot study will enroll 30 consecutive patients diagnosed with eTNBC at IRCCS Humanitas Research Hospital. The PNE program will consist of 10 weekly sessions to be started within 4 weeks of the onset or worsening of a pain syndrome (PS). QoL, pain, and disability will be assessed before, during, at the end of, and 6 months after PNE using validated questionnaires. Peripheral venous blood samples will be taken before and at the end of PNE to evaluate inflammatory serum biomarker levels. The primary objective is to evaluate whether PNE leads to clinical improvement in QoL and pain. If successful, it will be validated in a larger multi-centric cohort, potentially leading to its widespread implementation as a standard pain management tool for eTNBC patients.
0
Citation1
0
Save
0

The i2b2 Temporal Data-Mining Solution for Automated Reconstruction of Different Breast Cancer Patterns of Care over a Decade of Observation

Alberto Zambelli et al.Jun 1, 2024
Background: In oncology, Patterns of Care (PoC) provide a detailed overview of all cancer-treatment interventions and recapitulate the entire patient’s journey. While manual-chart PoC reviewing is time-consuming, the use of Electronic Health Records (EHRs) enables the creation of data-mining solutions to automatically reconstruct the whole cancer trajectory with different granularity. Methods: We tested the ability of the i2b2 (Informatics for Integrating Biology and Bedside) solution to support the automatic reconstruction of the PoC for consecutive and unselected HER2+ and TNBC breast cancer patients through a retrospective EHRs analysis over a decade of observations. Results: From 2008 to 2017, 561 HER2+ and 412 TNBC patients were retrospectively identified by i2b2 platform at the Papa Giovanni XXIII Hospital in Bergamo. Most patients, 74.3% in the HER2 group and 71.8% in the TNBC group, received a (neo) adjuvant chemotherapy, with anti-HER2 drugs whenever indicated. Among the HER2 cohort, the 5-year Time to Treatment Change (TTC) and Overall Survival (OS) were 69.4% and 77.4% respectively, with 25% of patients receiving up to 3 lines of treatment in metastatic setting. Among the TNBC cohort, the 5-year TTC and OS were 59.3% and 69.4% respectively, with only 2% of patients receiving active treatment as third line of therapy. The consistency of the automated PoC reconstruction had to be reviewed in 1/3 of cases to clean conflicting data. Conclusion: The i2b2 solution has the potential to provide a retrospective, automated reconstruction of the different PoC, with limited manual-chart review refinement and might contribute to support investigations in the field of real-world data.