Patterns and Predictors of First-Line Taxane Use in Patients with Metastatic Triple-Negative Breast Cancer in US Clinical Practice
Notice bibliographique
Résumé
We investigated first-line (1L) treatment patterns and predictors of taxane use to better understand the evolving metastatic triple-negative breast cancer (mTNBC) treatment landscape. This retrospective analysis of the Truven Health MarketScan® (Somers, NY, USA) Database included women with mTNBC who received 1L therapy within six months of diagnosis (January 2005–June 2015). Multivariate logistic regression models identified predictors of taxane use, adjusting for prognostic factors. A total of 2271 women with newly diagnosed mTNBC received 1L treatment during the study period. Half received a 1L taxane (53%), more often in combination than as monotherapy (58% versus 42%), though this varied by specific taxane. Nab-Paclitaxel monotherapy increased substantially after 2010. More recent treatment year (odds ratio, 2.16 (95% CI 1.69–2.76]) and number of metastases (≥3 versus 1: 1.73 (1.25–2.40)) predicted taxane monotherapy versus combination. Having a health maintenance organization versus a preferred provider organization plan predicted less nab-paclitaxel versus paclitaxel (0.32 (0.13–0.80)) or docetaxel (0.30 (0.10–0.89)) use. More recent index year (2011–2015 vs. 2005–2010) was the only predictor favoring nab-paclitaxel versus paclitaxel (2.01 (1.26–3.21)) or docetaxel (3.63 (2.11–6.26)). Taxane-containing regimens remained the most common 1L mTNBC treatments. Paclitaxel and nab-paclitaxel use changed substantially over time, with nab-paclitaxel use associated with insurance coverage.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».