MétaCan
Menu
Retour à la cohorte
Enregistrement W2915945704 · doi:10.1200/jgo.18.00057

Clinical Use of Epidermal Growth Factor Receptor Testing in Patients With Advanced Lung Cancer by Physicians: Survey of US and International Patterns

2019· article· en· W2915945704 sur OpenAlexaffabout
Matthew Peters, Edward S. Kim, V. M. Hirsch

Notice bibliographique

RevueJournal of Global Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesAmerican Society of Clinical Oncology
Mots-clésMedicineLung cancerChinaPerformance statusCancerInternal medicineFamily medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Guidelines recommend testing for EGFR mutation at diagnosis of advanced non-small-cell lung cancer to guide treatment. Two surveys, 18 months apart, aimed to identify changes in EGFR mutation testing and treatment practices in non-small-cell lung cancer. METHODS: The first survey of 562 physicians from Canada, France, Germany, Italy, Japan, South Korea, Spain, Taiwan, the United Kingdom, and the United States was conducted between December 2014 and January 2015. The second, between July and August 2016, surveyed 707 physicians in the same countries with the addition of China; China was excluded from year-on-year comparisons. RESULTS: Globally (excluding China), physicians requested EGFR mutation testing in 80% (excluding China; 2015: 81%) of patients before first-line therapy. In 2016, 18% of results were not received before initiating treatment, a significant improvement over 2015 (23%). Reasons for not testing included tumor histology, insufficient tissue, poor performance status, and long turnaround time, although this had significantly improved in 2016 from 2015. Prolonging of survival/extending life was deemed the most important therapy goal in first-line treatment of both cohorts. CONCLUSION: Improvements in availability of test results before first-line therapy were seen, but incomplete implementation of guidelines is still observed, resulting in a large proportion of patients not receiving tyrosine kinase inhibitor treatment on the basis of mutation status. The reasons for not testing remained the same, year-on-year: tumor histology, insufficient tissue, poor performance status, and long test turnaround time. Receiving timely results must be addressed, if treatment parity for eligible patients can be achieved. Physician education and closer guideline concordance are key steps to improve 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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,033
Tête enseignante GPT0,407
Écart entre enseignants0,374 · 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

Citations14
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

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