MétaCan
Menu
Retour à la cohorte
Enregistrement W3121451510 · doi:10.1200/op.20.00810

Readiness of Healthcare Systems to Generate Real-World Evidence: Reliability of CT Radiographic End Points for Evaluation of First-Line Systemic Treatment

2021· article· en· W3121451510 sur OpenAlexaff

Notice bibliographique

RevueJCO Oncology Practice · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Health careHealthcare systemBaseline (sea)RadiographyResource (disambiguation)Clinical Practice

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Regulatory agencies such as the US Food and Drug Administration and health technology assessment bodies are increasingly using real-world evidence (RWE). The ability of healthcare systems to reliably generate response rate and progression-free survival from real-world data is unknown. We examined the capacity of a single-payer system to provide RWE by evaluating the frequency of computed tomography (CT) imaging during standard first-line metastatic systemic treatment of breast, colorectal, and lung cancer. METHODS: A 1-year cohort of patients with metastatic-at-diagnosis breast, colorectal, and lung cancer treated with first-line systemic therapy (excluding hormone therapy) referred to BC Cancer in 2016 was retrospectively reviewed for first-line treatment and CT imaging. Duration of first-line treatment was calculated from the first to the last dose of therapy. CT imaging was counted from the start of therapy to 8 weeks after the last therapy dose. RESULTS: A cohort of 664 patients was identified from the BC Cancer Registry. Distribution of metastatic disease at diagnosis was breast (n = 82), colorectal (n = 214), and lung (n = 368) cancer. For breast, colorectal, and lung cancer, there was a baseline CT within 4 weeks of treatment initiation in 59%, 51%, and 48% of patients, with median duration of first-line treatment of 14.6, 25.3, and 11.9 weeks and median CT imaging interval of 9.1, 9.0, and 6.1 weeks. CONCLUSION: In our publicly funded healthcare system, availability of baseline CT imaging was 48% to 59% and the frequency of assessment ranged from 6.1 to 9.1 weeks, subject to patterns of practice and resource availability. Our system was not capable of providing RWE for image-based end points. Alternative end points should be considered to capitalize on the wealth of real-world data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,530
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,455
Écart entre enseignants0,370 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCO Oncology PracticeMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207