Patterns of Spread and Prognostic Implications of Lung Cancer Metastasis in an Era of Driver Mutations
Notice bibliographique
Résumé
Background: In the present study, we examined the pattern of metastatic spread in patients with advanced non-small-cell lung cancer (NSCLC) and the effect of EGFR mutations. Methods: Patients were identified from a provincial cancer registry, and individual medical records were reviewed. Patients were included if they had stage IV NSCLC and underwent diagnostic EGFR mutation testing. Patients were divided into EGFR mutation-positive (EGFR+) and EGFR wild type (WT) cohorts. The primary endpoint was the cumulative incidence for each metastatic site: lung, bone, brain, liver, adrenal glands, distant nodes, and other. Cumulative incidence curves were estimated using a competing-risks method. The secondary outcome was survival. Results: Of the 543 identified patients, 121 (22.3%) tested as EGFR+, and 422 (77.7%) tested as EGFR WT. The incidence of brain (39.2% vs. 28.2%, p = 0.038) and lung (61.2% vs. 51.0%, p = 0.048) metastasis was higher in the EGFR+ cohort than in the EGFR WT cohort. In the EGFR+ cohort, a higher incidence of liver metastasis was associated with the exon 21 mutation subtype than with the exon 19 deletion subtype [23% vs. 7%, p < 0.01; hazard ratio (HR): 3.47]. Median survival was significantly longer for the EGFR+ cohort than for the EGFR WT cohort (22.4 months vs. 7.9 months, p < 0.001). In multivariable analysis, brain (HR: 1.73), liver (HR: 1.69), and bone (HR: 1.89) metastases were associated with worse survival. Conclusions: Rates of lung and brain metastases are higher in EGFR mutation carriers, even when adjusted for differences in survival. Brain, liver, and bone metastases are independent negative prognostic factors for survival.
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 ».