Reflex ROS1 IHC Screening with FISH Confirmation for Advanced Non-Small Cell Lung Cancer—A Cost-Efficient Strategy in a Public Healthcare System
Notice bibliographique
Résumé
ROS1 rearrangements are identified in 1–2% of lung adenocarcinoma cases, and reflex testing is guideline-recommended. We developed a decision model for population-based ROS1 testing from a Canadian public healthcare perspective to determine the strategy that optimized detection of true-positive (TP) cases while minimizing costs and turnaround time (TAT). Eight diagnostic strategies were compared, including reflex single gene testing via immunohistochemistry (IHC) screening, fluorescence in-situ hybridization (FISH), next-generation sequencing (NGS), and biomarker-informed (EGFR/ALK/KRAS wildtype) testing initiated by pathologists and clinician-initiated strategies. Reflex IHC screening with FISH confirmation of positive cases yielded the best results for TAT, TP detection rate, and cost. IHC screening saved CAD 1,000,000 versus reflex FISH testing. NGS was the costliest reflex strategy. Biomarker-informed testing was cost-efficient but delayed TAT. Clinician-initiated testing was the least costly but resulted in long TAT and missed TP cases, highlighting the importance of reflex testing. Thus, reflex IHC screening for ROS1 with FISH confirmation provides a cost-efficient strategy with short TAT and maximizes the number of TP cases detected.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».