Clinical practice patterns and cost effectiveness of human epidermal growth receptor 2 testing strategies in breast cancer patients
Notice bibliographique
Résumé
BACKGROUND: Testing technologies are increasingly used to target cancer therapies. Human epidermal growth factor receptor 2 (HER2) testing to target trastuzumab for patients with breast cancer provides insights into the evidence needed for emerging testing technologies. METHODS: The authors reviewed literature on HER2 test utilization and cost effectiveness of HER2 testing for patients with breast cancer. They examined available evidence on: percentage of eligible patients tested for HER2; test methods used; concordance of test results between community and central/reference laboratories; use of trastuzumab by HER2 test result; and cost effectiveness of testing strategies. RESULTS: Little evidence was available to determine whether all eligible patients are tested, how many are retested to confirm results, and how many with negative HER2 test results still receive trastuzumab. Studies suggested that up to 66% of eligible patients had no documentation of testing in claims records, up to 20% of patients receiving trastuzumab were not tested or had no documentation of a positive test, and 20% of HER2 results may be incorrect. Few cost-effectiveness analyses of trastuzumab explicitly considered the economic implications of various testing strategies. CONCLUSIONS: There was little information about the actual use of HER2 testing in clinical practice, but evidence suggested important variations in testing practices and key gaps in knowledge exist. Given the increasing use of targeted therapies, it is critical to build an evidence base that supports informed decision making on emerging testing technologies in cancer care.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».