MétaCan
Menu
← Retour à la cohorte
Enregistrement W2597532593 · doi:10.1200/jco.2013.31.15_suppl.e19077

Clinical impact of <i>EGFR</i> mutation fraction and tumor cellularity in <i>EGFR</i> mutation positive NSCLC.

2013· article· en· W2597532593 sur OpenAlexaffabout
Petra Martin, Carolyn J Shiau, Maria Pasic, Ming‐Sound Tsao, Suzanne Kamel‐Reid, Lisa W. Le, Brian P. Higgins, Susanna Y. Cheng, Ronald L. Burkes, Matilda Ng, Saroosh Arif, Tudor Roxana, Stephanie Lin, Peter Ellis, Stacey Hubay, Sara Kuruvilla, Scott A. Laurie, Jing Li, Frances A. Shepherd, Natasha B. Leighl

Notice bibliographique

RevueJournal of Clinical Oncology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensLondon Health Sciences CentreGrand River HospitalTrillium Health CentreJuravinski Cancer CentreSunnybrook Health Science CentreYork Central HospitalToronto East General HospitalUniversity of TorontoOttawa HospitalHealth Sciences CentreUniversity Health NetworkRoyal Columbian HospitalPrincess Margaret Cancer CentreMount Sinai HospitalCredit Valley Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineMutationInternal medicineExonOncologyBiopsyPathologyGastroenterologyGeneGeneticsBiology

Résumé

récupéré en direct d'OpenAlex

e19077 Background: We investigated the impact of mutation fraction, tumour sample cellularity, and diagnostic specimen type on EGFR TKI response, time to treatment failure (TTF) and overall survival in advanced EGFR mutation positive NSCLC patients. Methods: From March 2010 to May 2012, EGFR testing in the province of Ontario (Canada) was conducted at a single centre, using fragment analysis for exon 19 deletion and Sau961 restriction enzyme digest for exon 21 mutation. Patients with EGFR mutation positive samples were identified, tumour cellularity, mutation fraction (percent tumour cells mutated) and clinical outcome data collected. Regression analysis was undertaken to assess the association between demographic variables, mutation fraction, tumour cellularity and sample type on clinical outcomes. Results: Of 173 patients identified to date, 153 received EGFR TKI and are included in this analysis, with median follow up of 10.6 months (range 0-44). Most are female (73%), never smokers (65%), have exon 19 deletions (55%; 45% exon21 L858R), and median age 64 years (range 34 to 95). Tumour specimens tested include resection (36%), cytology (32%), and core biopsy samples (32%). Median EGFR mutation fraction is 30% (range 1% to 96%); 18% had a low (<10%) mutation fraction. Responses (any reduction) were seen in 66%, mixed response or stable disease in 28%, and progression in 7%. Median TTF of EGFR TKI therapy is 13.8 months. Median OS from TKI start is 24.1 months, with 1-, 2- and 3-year rates of 75%, 51% and 42%. In multivariable analysis, increasing mutation fraction was associated with EGFR TKI response (OR 2.5, p<0.01), but not TTF or OS. Female sex was associated with TTF (HR 0.49, p=0.007), and testing of larger samples (lobectomy, wedge, excision) was associated with TTF and OS (HR 0.45, p=0.007; HR 0.26, p=0.0002). Exon 19 deletions are associated with a higher risk of death (HR 2.41, p=0.02) and a lower probability of response than L858R (OR 0.31, p=0.004). Conclusions: Pathologic features may be relevant to clinical outcomes in EGFR mutation positive NSCLC, including mutation fraction, sample cellularity, specimen tested and mutation type. Validation of the use of EGFR mutation fraction in clinical decision-making is ongoing.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,054
Tête enseignante GPT0,500
Écart entre enseignants0,446 · 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
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetLung Cancer Treatments and Mutations→Travaux en français237 207→