MétaCan
Menu
← Retour à la cohorte
Enregistrement W2561651629 · doi:10.1200/jco.2015.33.7_suppl.424

The proportion and characterization of patients with metastatic renal cell carcinoma who are never treated or have delayed treatment with targeted therapy: Results from a large prospective cohort.

2015· article· en· W2561651629 sur OpenAlexaffabout
Param Bains, Daniel Yick Chin Heng, Jennifer J. Knox, Georg A. Bjarnason, Christian Kollmannsberger, Sebastién J. Hotte, Anil Kapoor, Marie Vanhuyse, M. Neil Reaume, Piotr Czaykowski, Denis Soulières, Naveen S. Basappa, Olli Saarela, Lori Wood

Notice bibliographique

RevueJournal of Clinical Oncology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensQueen Elizabeth II Health Sciences CentreOttawa HospitalUniversity Health NetworkCancerCare ManitobaJuravinski Cancer CentreSunnybrook Health Science CentreDalhousie UniversityUniversity of TorontoCentre Hospitalier de l’Université de MontréalPrincess Margaret Cancer CentreUniversity of CalgaryBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicineRenal cell carcinomaCohortInternal medicineHazard ratioPopulationCancerProportional hazards modelKidney cancerProspective cohort studySurgeryOncologyGastroenterologyConfidence interval

Résumé

récupéré en direct d'OpenAlex

424 Background: The proportion and characterization of patients (pts) with metastatic renal cell carcinoma (mRCC) who never start or delay starting targeted therapy (TT) is unknown. It is important to understand and characterize these pts. Methods: Data from the Canadian Kidney Cancer information system (CKCis) database were utilized. CKCis data were collected prospectively from 14 REB-approved academic centers in Canada. The study population included pts with mRCC managed from 2006 (when VEGFR TT became available) to 2014. Results: 920 pts met the inclusion criteria, but 67 pts had <6 months (mo) follow up and were excluded. Thus, 853 pts make up the study cohort with a median follow up of 21 mo. The cohort was divided into 3 groups: early (started TT within 6 mo), delayed (started TT after 6 mo), and never (never started TT). The groups consisted of 406 pts (47.6%), 182 pts (21.3%), and 265 pts (31.1%), respectively. In those that started TT, median time to initiation was 3.2 mo; 69% by 6 mo, 82% by 12 mo, 92% by 24 mo, and 99.7% by 5 yrs. Multiple baseline characteristics were determined, compared, and will be presented. On univariable analysis, pts never treated were older, had a longer interval from original diagnosis to metastases (mets), fewer metastatic sites, fewer liver mets, more lung-only mets, more metastectomies, and less radiation (RT). On Cox regression analysis, pts were less likely to initiate TT if they were older, had earlier year of diagnosis of mets, had metastectomy, never had RT, fewer sites of mets, and brain mets. Median survival from time of metastatic diagnosis was 1.53 yrs, 3.54 yrs, and 1.41 yrs in the early, delayed, and never treated groups, respectively. Conclusions: 31% of pts with mRCC never received TT in this cohort of pts treated in academic centers, which may underrepresent the reality in the community. Baseline characteristics in the delayed treatment group were better and likely represent a more indolent biology. More data on the untreated group will be presented as it comprises a heterogenous group of pts: potentially those lost to follow up, those treated with metastectomy, pts too ill with limited survival, and pts felt to have excellent outcomes without treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,346
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRenal cell carcinoma treatment→Travaux en français237 207→