Diagnostic Patterns of Non-Small-Cell Lung Cancer at Princess Margaret Cancer Centre
Notice bibliographique
Résumé
Background: Accurate classification of lung cancer subtypes has become critical in tailoring lung cancer treatment. Our study aimed to evaluate changes in diagnostic testing and pathologic subtyping of advanced non-small-cell lung cancer (NSCLC) over time at a major cancer centre. Methods: In a review of patients diagnosed with advanced NSCLC at Princess Margaret Cancer Centre between 2007–2009 and 2013–2015, diagnostic method, sample type and site, pathologic subtype, and use of immunohistochemistry (IHC) staining and molecular testing were abstracted. Results: The review identified 238 patients in 2007–2009 and 283 patients in 2013–2015. Over time, the proportion of patients diagnosed with adenocarcinoma increased to 73.1% from 60.9%, and diagnoses of NSCLC not otherwise specified (NOS) decreased to 6.4% from 18.9%, p < 0.0001. Use of diagnostic bronchoscopy decreased (26.9% vs. 18.4%), and mediastinal sampling procedures, including endobronchial ultrasonography, increased (9.2% vs. 20.5%, p = 0.0001). Use of IHC increased over time to 76.3% from 41.6% (p < 0.0001). Larger surgical or core biopsy samples and those for which IHC was performed were more likely to undergo biomarker testing (both p < 0.01). Conclusions: Customizing treatment based on pathologic subtype and molecular genotype has become key in treating patients with advanced lung cancer. Greater accuracy of pathology diagnosis is being achieved, including through the routine use of IHC.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».