Impact of Asian ethnicity on outcome in metastatic EGFR‐mutant non–small cell lung cancer
Notice bibliographique
Résumé
Abstract Aim To determine factors associated with survival in de novo stage IV, non–small cell lung cancer (NSCLC) patients possessing epidermal growth factor receptor mutations (EGFRmut + ) receiving tyrosine kinase inhibitors (TKI) in the first‐line setting. Methods The Glans‐Look Lung Cancer Database was used to retrospectively review stage IV EGFRmut + NSCLC patients diagnosed 2010–2016 receiving first‐line TKI. Patients with overall survival times in the upper quartile (≥34 months) were designated “long‐term survivors” (LTS), the remaining deemed “average‐term survivors” and characteristics between these groups were compared in univariate analysis, and multivariable models constructed to determine predictors of outcome. Results Of 170 eligible patients, median overall survival was 21 months. LTS were significantly more likely to be of Asian ethnicity, be never‐smokers and not possess brain or bone metastases at diagnosis. Asian and non‐Asian patients were comparable, save for an increased propensity of Asian patients to be never smokers and have normal‐range BMI. Multivariable analysis revealed Asian ethnicity [hazard ratio (HR) = 0.65; P = 0.016] and never‐smoking history (HR = 0.65; P = 0.034) as indicators of improved outcome, and presence of brain metastasis at diagnosis an indicator of poor outcome (HR = 2.21; P < 0.001). Conclusions Analysis of this population‐based cohort identifies never‐smoking history and absence of brain metastasis along with Asian ethnicity as an independent prognosticators of favorable outcome, and reveals Asian patients to be clinicopathologically similar to non‐Asian patients. These findings suggest Asian patients represent a unique subpopulation within EGFRmut + NSCLC who may possess different biological underpinnings of NSCLC.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 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 ».