MétaCan
Menu
Retour à la cohorte
Enregistrement W3167362023 · doi:10.1200/jco.2021.39.15_suppl.10031

Forecasting asparaginase quantity required to treat pediatric ALL in LMICs using ACCESS FORxECAST.

2021· article· en· W3167362023 sur OpenAlexaff
Terence M. Hughes, Brianna Empringham, Sumit Gupta, Zachary J. Ward, Jennifer M. Yeh, Anita K. Wagner, Lewis B. Silverman, A. Lindsay Frazier, Avram Denburg

Notice bibliographique

RevueJournal of Clinical Oncology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Lymphoblastic Leukemia research
Établissements canadiensHospital for Sick ChildrenChildren's Hospital of Eastern Ontario
Organismes subventionnairesnon disponible
Mots-clésMedicinePediatric cancerBlood cancerRegimenAsparaginasePediatric oncologyIncidence (geometry)PediatricsIntensive care medicineLymphoblastic LeukemiaCancerInternal medicineLeukemia

Résumé

récupéré en direct d'OpenAlex

10031 Background: Asparaginase (ASN) is a crucial component of pediatric acute lymphoblastic leukemia (ALL) protocols. ASN is available in three enzyme formulations: native from Escherichia Coli ( E. coli), PEGylated from E. coli (PEG), and native erwinia from Erwinia chrysanthemi (Erwinase). PEG is typically preferred in high-income countries, while E. coli is more accessible in low and middle income countries (LMICs). Erwinase is reserved for patients who develop hypersensitivity. Short shelf lives, high prices, intermittent availability, and concern for substandard formulations in LMICs have created a need for proactive ASN demand estimates, particularly in LMICs. Methods: We modified FORxECAST, a publicly available tool that forecasts pediatric cancer drug quantity and cost, to estimate ASN quantity required to treat pediatric ALL in 2021 across all LMICs. Incidence data is based on the Global Childhood Cancer microsimulation model, which extrapolates country registries to estimate diagnosed pediatric ALL patients. We forecast ASN quantity for both a base regimen (BR), recommended by the International Pediatric Oncology Society (SIOP), and a more aggressive regimen (AR) used in some LMICs with more advanced supportive care capacity. For both BR and AR, we estimate ASN quantity across four scenarios, outlining how quantity would vary based on formulation and ability to switch in cases of hypersensitivity. Results: The estimated quantity of ASN required to treat all children diagnosed with ALL in LMICs in 2021, across scenarios and regimens, is provided (Table). If E. coli were used to treat all diagnosed pediatric ALL patients across LMICs, required quantity would range from 1,198 M IU (BR) to 1,661 M IU (AR) (Scenario 1). If PEG were used, required quantity would range 150 M IU (BR) to 473 M IU (AR) (Scenario 2). Accounting for hypersensitivity would require 77 M IU (BR) to 137 M IU (AR) Erwinase (Scenarios 3 and 4). Conclusions: We adapted FORxECAST to be ASN-specific and estimated demand in LMICs for a range of scenarios, including for second line Erwinase; accounting for hypersensitivity is particularly important because discontinuation typically results in lower cure rates. We also estimated how quantity of ASN required would increase with treatment intensity. These results provide the first quantification of ASN need for pediatric ALL in LMICs, creating a demand estimate that can inform private and public efforts to produce a reliable supply of high quality ASN for all children with ALL.[Table: see text]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,521
Tête enseignante GPT0,572
Écart entre enseignants0,051 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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 revueJournal of Clinical OncologyMême sujetAcute Lymphoblastic Leukemia researchTravaux en français237 207