The effect of prior cancer on non‐small cell lung cancer trial eligibility
Notice bibliographique
Résumé
OBJECTIVES: Approximately 20% of patients diagnosed with non-small cell lung cancer (NSCLC) have a history of prior (non-lung) cancer. Patients with prior cancer are frequently excluded from clinical trials. We aimed to assess the potential impact of prior cancer on commonly used clinical trial endpoints. MATERIALS AND METHODS: Clinical trials of systemic therapy for incurable NSCLC from clinicaltrials.gov were reviewed to determine the frequency of exclusion on the basis of prior cancer. A cohort of patients with incurable NSCLC and prior cancer, treated with first-line systemic treatment at our institution were reviewed as a surrogate clinical trial population. A list of priori events was developed to capture the potential for prior cancer to negatively affect clinical trial conduct or endpoints. The proportions of patients that developed an outcome were assessed. RESULTS: Among trials registered on clinicaltrials.gov, 66% listed prior cancer in the eligibility criteria, and of these 35% excluded patients with prior cancer in the last 5 years. Of NSCLC patients treated with systemic therapy at Princess Margaret Cancer Center, 20% had prior cancer, of these, breast (20%) and prostate (19%) were the most common malignancies. Median time between prior cancer and NSCLC was 82 months. Median survival was 20 months. For patients without evidence of active prior cancer at baseline, and not on active therapy for prior cancer, no patients had evidence of a recurrence of prior cancer during the treatment and follow-up for the NSCLC, nor died from prior cancer. However, two patients developed new primaries. CONCLUSIONS: A history of prior cancer has a low likelihood of impacting clinical trial endpoints in patients with incurable NSCLC, if not active or requiring treatment. These findings should be validated in larger data sets.
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 | 0,479 | 0,525 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».