Effect of brain metastases on survival and systemic treatment of EGFR/ALK-driven non-small cell lung cancer (NSCLC).
Notice bibliographique
Résumé
e20527 Background: Survival with EGFR/ALK+ve NSCLC can be prolonged with tyrosine kinase inhibitors (TKIs), but brain metastases (mets) are common. TKIs may control brain mets poorly, and radiation may have neurocognitive toxicity. Deteriorating performance status (PS) due to brain mets may affect the number of lines of treatment. We aimed to evaluate the impact of brain mets on lines of systemic therapy and overall survival (OS). Methods: This retrospective analysis included patients with EGFR/ALK+ve NSCLC treated at Princess Margaret Cancer Centre from 1998-2015. 2 groups were analyzed: those with brain mets at diagnosis of stage IV disease or on 1st line therapy, and those without brain mets. OS was calculated from date of metastatic disease using Kaplan-Meier method, and differences between groups were tested with the log-rank test. Results: 291 patients were included: 141 with and 150 without brain mets. Summary results are shown in the Table. 106/141 had brain mets at diagnosis of stage IV NSCLC. There were more patients with relapsed early stage NSCLC in the no brain mets group (29% vs 19%), and more smokers in the brain mets group (18% vs 7%). 1st treatment for brain mets included WBRT (84), SRS (32) and TKI alone (24). 1st line systemic therapy was TKI in 83% of brain mets group and 61% of no brain mets group. Median OS was longer in the no brain mets group: 4 vs 2.1 years, HR 1.55, p=0.013. There was no observed difference in number of treatment lines: median 1 in both groups, p=0.53. Conclusions: Patients with brain mets from EGFR/ALK+ve NSCLC have inferior OS, despite TKIs and similar exposure to systemic therapy. Further focus on this group is necessary to improve outcomes. No Brain mets N=150 Brain mets N=141 P Age Median (Range) 61.9(27.6- 82.9) 59.8(29.2- 86.3) 0.35 Female 98(65%) 96(68%) 0.71 Smoking History No 139(93%) 115(82%) 0.005 Yes 11(7%) 26(18%) Ethnicity Asian 72(48%) 63(45%) 0.85 Caucasian 55(37%) 56(40%) Other 23(15%) 22(15%) ECOG PS 0-1 141(94%) 133(94%) 0.72 2-3 9(6%) 8(6%) Stage IV at First Dx 106(71%) 114(81%) 0.056 Mutation ALK 21(14%) 14(10%) 0.37 EGFR 129(86%) 127(90%) Lines of treatment Median(range) 1(0-9) 1(0-4) 0.53 Median Survival Years 4.0 2.1 0.011 HR 1.55 (95%CI 1.1-2.2)
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».