EGFR mutation testing and treatment decisions in patients progressing on first- or second-generation epidermal growth factor receptor tyrosine kinase inhibitors
Notice bibliographique
Résumé
BACKGROUND: The objective of this study was to investigate real-world EGFR mutation testing in patients with metastatic non-small cell lung cancer (NSCLC) upon progression on first-/second-generation epidermal growth factor receptor (EGFR)-tyrosine kinase inhibitors (TKI), and subsequent treatments received. METHODS: Flatiron Health electronic health records-derived database was used to identify adult patients with metastatic NSCLC treated with first-/second-generation EGFR-TKI from 11/2015-09/2017, with start of first EGFR-TKI defined as the index date. Patients were stratified by receipt of EGFR-TKI as first-line (1 L) or later-line (2 L+) treatment. Mutation testing and subsequent therapies following first-/second-generation EGFR-TKI were described. RESULTS: Overall, 782 patients (1 L = 435; 2 L+ =347) were included. Median age was 69.0 years, 63.6% were female, 56.3% were white, 87.1% were treated in community-based practices, and 30.1% of patients died during the study period; median follow-up was 309.0 days. Among the 294 (1 L = 160; 2L+ =134) patients who received subsequent therapies, treatments included chemotherapy only (1 L = 15.6%; 2L+ =21.6%), immunotherapy only (1 L = 13.8%; 2 L+ =41.0%), and targeted therapies (1 L = 70.0%; 2 L+ =36.6%). Specifically, 40 (25.0%) 1 L patients and 7 (5.2%) 2 L+ patients received osimertinib as subsequent therapy. Before the start of subsequent therapy, EGFR T790M resistance mutation testing was performed in 88 (29.9%) patients (1 L = 63 [39.4%]; 2 L+ =25 [18.7%]). Of these patients, 25 (28.4%) were T790M positive, among whom 24 (96.0%) received osimertinib. CONCLUSIONS: A third of patients received subsequent therapies on disease progression; only 30% of these were tested for EGFR-TKI resistance mutation, prior to receiving subsequent therapies. These results highlight the importance of choosing treatments in the 1 L setting that optimize benefits for patients with EGFR-mutated 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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».