Lung cancer epidermal growth factor receptor mutations and radiotherapy response: A multicentre clinical study
Notice bibliographique
Résumé
PURPOSE: To examine the impact of epidermal growth factor receptor (EGFR) mutations on objective response to palliative lung radiotherapy in patients with metastatic non-small cell lung cancer (NSCLC). MATERIALS AND METHODS: A multicentre retrospective study was conducted of patients with metastatic NSCLC diagnosed between March 2010 and June 2012 who received palliative radiotherapy to the chest. Patients included for study had baseline imaging and follow-up imaging 1-3 months after radiotherapy. The primary endpoint was 1-3 month local objective imaging response by the Response Evaluation Criteria in Solid Tumours (RECIST). Patients were divided into EGFR mutation positive (EGFR+) and EGFR wild type (WT) cohorts for analysis. RESULTS: There were 121 patients for study inclusion: 89 (74%) were EGFR WT and 32 (26%) were EGFR+. The response rate between EGFR WT and EGFR+ cohorts was not significantly different (49 vs. 63%, p = 0.21). On multivariate analysis, initiation of a tyrosine kinase inhibitor (TKI) after radiotherapy was associated with a higher rate of response (OR: 5.07, 95%CI: 1.08-23.69, p = 0.039) but EGFR mutation status was not. For the EGFR+ cohort, patients with disease progression after initial management on a TKI had a worse response rate compared to patients who were TKI-naïve before starting radiotherapy (30 vs. 77%, p = 0.018). Local control was not statistically different between the EGFR cohorts. CONCLUSION: The EGFR mutation status alone was not an independent predictor of objective radiographic response to palliative thoracic radiotherapy. Acquired resistance to TKI therapy may be associated with disease cross-resistance to palliative radiotherapy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».