The survival of patients enrolled in a global direct-to-patient cancer medicine donation program: The Glivec International Patient Assistance Program (GIPAP)
Notice bibliographique
Résumé
BACKGROUND: The Glivec International Patient Assistance Program (GIPAP) is a unique direct-to-patient program that provides imatinib (Glivec) at no cost to eligible patients in low- and middle-income countries (LMICs) with chronic myelogenous leukemia (CML) or gastrointestinal stromal tumor (GIST). This paper analyses the output, outcome and impact of the program between 2001 and 2014 using the data collected by the Max Foundation. METHOD: We extracted data on GIPAP patients' country of residence, sex, diagnosis, date of enrollment in GIPAP, age at enrollment, case closure date, and reason for closure from The Max Foundation database covering the period 2001 to 2014. We used Kaplan-Meier method to assess the survival rate of patients in GIPAP and used the proportional hazard regression model to estimate the effect of different variables on patients' survival. FINDINGS: About 63,000 GIPAP patients in 93 countries received over 71 million defined daily doses (DDD) of imatinib between 2001 and 2014. Our analysis showed that GIPAP patients had a 5-year survival rate of 89% which compares favorably to survival in high income countries despite the challenges of delivering cancer care in LMICs. Age at enrollment into the program, sex, duration between diagnosis and enrollment into program, year of enrollment, and patients' diagnosis (CML vs non-CML) were factors that influenced survival. INTERPRETATION: The GIPAP program has improved the survival of CML and GIST patients in LMICs, most of whom would not have had access to imatinib in the absence of the donation and therapeutic support of the program. FUNDING: This work was funded as part of Access Accelerated case studies. Access Accelerated is an initiative of more than 20 global biopharmaceutical companies in partnership with the World Bank and Union of International Cancer Control that seeks to reduce barriers to prevention, treatment and care for non-communicable diseases in LMICs.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».