MétaCan
Menu
Retour à la cohorte
Enregistrement W2625444591 · doi:10.1200/jco.2013.31.15_suppl.11085

The CAP-IASLC-AMP molecular testing guideline for the selection of lung cancer patients for EGFR and ALK tyrosine kinase inhibitors.

2013· article· en· W2625444591 sur OpenAlexaff
Marc Ladanyi, Phil T. Cagle, Mary Beth Beasley, Dhananjay Chitale, Sanja Đačić, Giuseppe Giaccone, Robert B. Jenkins, David J. Kwiatkowski, Juan‐Sebastian Saldivar, Jeremy A. Squire, Erik Thunnissen, Neal I. Lindeman

Notice bibliographique

RevueJournal of Clinical Oncology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésGuidelineMedicineLung cancerFamily medicineTest (biology)OncologyInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

11085 Background: The College of American Pathologists (CAP), the International Association for the Study of Lung Cancer (IASLC), and the Association for Molecular Pathology (AMP) jointly initiated an effort to establish evidence-based recommendations for the molecular analysis of lung cancers required to guide EGFR- and ALK-directed therapies, addressing which patients and samples should be tested, and when and how testing should be performed. Methods: Three co-chairs without relevant conflicts of interest were selected, one from each of the sponsoring societies: CAP (P.T.C.), IASLC (M.L.), and AMP (N.I.L.). Writing and advisory panels were formed from additional experts from these societies. Unbiased literature searches were performed to capture articles up to February 2012, yielding 1,533 articles whose abstracts were screened to identify 521 pertinent articles that were then reviewed in detail for relevance. Evidence was formally graded for each of the recommendations first formulated by the co-chairs and panel members at a public meeting. Each guideline section was assigned to at least two panelists. Successive drafts were circulated for comments to the writing panel, the advisory panel, the public (online posting), and the three professional societies. Results: We generated 37 guideline items addressing 14 areas of EGFR and ALK testing. The major, evidence-based recommendations are to test for EGFR mutations and ALK fusions in all patients with advanced stage adenocarcinoma, regardless of sex, race, or smoking history, and to prioritize EGFR and ALK testing over other molecular predictive tests. Recommendations and expert consensus opinions were generated for all other key aspects of EGFR and ALK testing in lung cancer related to oncology and pathology practice and technical issues in molecular testing. Conclusions: As scientific discoveries and clinical practice outpace the completion of randomized clinical trials, evidence-based guidelines developed by expert practitioners are vital for communicating emerging clinical standards and thereby improving patient outcomes.

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)0,014
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,038
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0080,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0070,003
Intégrité de la recherche0,0090,007
Charge utile insuffisante (le modèle a refusé de juger)0,0050,007

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 Opus0,067
Tête enseignante GPT0,491
Écart entre enseignants0,424 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetLung Cancer Treatments and MutationsTravaux en français237 207