Improving Molecular Testing and Personalized Medicine in Non-Small-Cell Lung Cancer in Ontario
Notice bibliographique
Résumé
BACKGROUND: Although molecular testing has become standard in managing advanced nonsquamous non-small-cell lung cancer (nsclc), most patients undergo minimally invasive procedures, and the diagnostic tumour specimens available for testing are usually limited. A knowledge translation initiative to educate diagnostic specialists about sampling techniques and laboratory processes was undertaken to improve the uptake and application of molecular testing in advanced lung cancer. METHODS: A multidisciplinary panel of physician experts including pathologists, respirologists, interventional thoracic radiologists, thoracic surgeons, medical oncologists, and radiation oncologists developed a specialty-specific education program, adapting international clinical guidelines to the local Ontario context. Expert recommendations from the program are reported here. RESULTS: Panel experts agreed that specialists procuring samples for lung cancer diagnosis should choose biopsy techniques that maximize tumour cellularity, and that conservation strategies to maximize tissue for molecular testing should be used in tissue processing. The timeliness of molecular reporting can be improved by pathologist-initiated reflex testing upon confirmation of nonsquamous nsclc and by prompt transportation of specimens to designated molecular diagnostic centres. To coordinate timely molecular testing and optimal treatment, collaboration and communication between all clinicians involved in diagnosing patients with advanced lung cancer are mandatory. CONCLUSIONS: Knowledge transfer to diagnostic lung cancer specialists could potentially improve molecular testing and treatment for advanced lung cancer patients.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».