Predictors of treatment attrition in patients with metastatic colorectal cancer (mCRC).
Notice bibliographique
Résumé
e18041 Background: Although the treatment landscape of cancer has evolved significantly with the introduction of novel and more efficacious drugs, the positive impact of these new therapies may be limited by attrition and ultimately non-exposure to later lines of therapy. Using a population-based cohort of mCRC, our aims were to characterize rates of attrition and determine factors associated with failure to receive each line of treatment. Methods: Medical records of patients who were diagnosed with mCRC from 2008-10 and referred to any 1 of 5 cancer centers in British Columbia were merged with systemic therapy data from the provincial pharmacy database. We classified patients into mutually exclusive treatment categories: a) receipt of all available lines of mCRC therapies; b) attrition directly attributable to disease, such as cancer progression or death; c) attrition attributable to other clinical factors, including toxicity, and d) attrition secondary to non-clinical factors, including personal/social circumstances. Multivariate logistic regression models were constructed to identify predictors. Results: We identified 525 eligible mCRC patients: median age 64 years, 57% men, 55% Caucasian, 68% ECOG 0/1, 41% and 35% never and ever smokers, respectively. The attrition rate was 40% (95% confidence interval [95% CI], 36%-44%) for first line treatment, 25% (95% CI, 19%-31%) for second line treatment and 14% (95% CI, 5.5%-22.5%) for third line. While cancer progression (31%) and chemo toxicity (30%) were the most common causes of attrition, other frequent reasons included death (20%) and patient preference (14%). On multivariable analysis, first-line treatment attrition was associated with worse baseline ECOG (odds ratio [OR], 1.92; p < 0.001) and older age at diagnosis of mCRC (OR, 1.04; p < 0.001). When we examined attrition over all lines, it was significantly correlated with worse ECOG (OR, 2.44; p < 0.001). Conclusions: Treatment attrition is a prevalent problem in mCRC and can hinder the benefits that would otherwise be possible with a sequential treatment algorithm. Some causes of attrition are potentially modifiable and may reflect opportunities for patients to maximize exposure to all lines of therapies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».