Identifying patients with non-small cell lung cancer (NSCLC) unlikely to benefit from erlotinib: An exploratory analysis of National Cancer of Institute of Canada Clinical Trials Group BR.21
Notice bibliographique
Résumé
7161 Background: Despite a 9% response rate, BR.21 demonstrated significant survival benefit for patients receiving erlotinib as 2nd/3rd line therapy for NSCLC. We undertook to characterize, by exploratory subset analysis, patients less likely to benefit from erlotinib. To identify factors for consideration, we first identified baseline characteristics associated with early progression by eight wks and early death by 3 mos. Methods: Using stratification factors and potential prognostic factors from BR.21, the Cox regression model with stepwise selection was used to establish a prognostic model to separate erlotinib patients into 4 risk categories based on the 10th, 50th & 90th percentiles of prognostic index scores. 7 variables (smoking history, PS, weight loss, anemia, high LDH, response to prior chemo and time from diagnosis to randomization) were used in the final model. The hypothesis was that the characteristics of the treated patients in the highest risk group would also be predictive of lack of benefit from erlotinib when erlotinib and placebo patients with the same characteristics were compared. Results: Factors associated with PD by 8 wks were: PS2–3 (p = 0.009), weight loss (p = 0.0004), anemia (p = 0.008), PD to prior chemo (p = 0.006), non-Asian (p = 0.047), EGFR IHC-negative (p = 0.005), Factors associated with survival < 3 mos were: PS2–3 (p < 0.0001), weight loss (p < 0.0001), anemia (p < 0.0001), PD to prior chemo (p < 0.0001), non-Asian (p = 0.008), high LDH (p < 0.0001), time to randomization <12 mos (p = 0.0003). Comparison of overall survival for the 4 risk groups derived from prognostic index score as follows: high benefit (HR = 0.41, p = 0.007), 2 intermediate benefit (HR 0.79, p = 0.09; HR 0.80; p = 0.09); no benefit (HR 1.23; p = 0.42). Median survivals for erlotinib (placebo) patients in each group were 17.3 (8.3), 9.7 (7.5), 4.1 (3.7), 1.9 (2.7) mos. Conclusions: By establishing a prognostic model, we identified a small group of patients who are unlikely to benefit from 2nd/3rd line erlotinib therapy. This model requires prospective validation to confirm that it is both prognostic and predictive of outcome from treatment. [Table: see text]
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | medium |
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».