Effect of targeted therapy and immunotherapy on advanced nonsmall‐cell lung cancer outcomes in the real world
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The evolution of diagnosis and treatment of advanced nonsmall-cell lung cancer (NSCLC) has led to increasing the use of targeted therapy and immune checkpoint inhibitors. The study goal was to assess the effect of molecular testing and the introduction of new therapies on overall survival (OS). All patients with stage IV NSCLC referred to BC Cancer were included in the study. Four 1-year time cohorts were created based on molecular testing implementation and funded drug availability: C1 baseline (2009), C2 EGFR TKI access (2011), C3 ALK inhibitor access (2015), C4 immunotherapy availability (2017). Baseline demographics, disease characteristics, and systemic therapy details were collected retrospectively. OS was calculated using the Kaplan-Meier method and compared using the log-rank test. There were 3421 patients identified with stage IV NSCLC and 1319 (39%) received systemic therapy. In the four 1-year time cohorts C1/C2/C3/C4: driver mutation-targeted treatment increased 1/17/27/34% (of total systemic therapy), as did treatment with any line immunotherapy <1/1/9/38%. Median OS with best supportive care (BSC) was 3.4/3.1/3.2/2.9 m (p = 0.16) and with systemic treatment 9.9/10.9/13.9/15.0 m (p < 0.001). Median OS by treatment exposure was BSC 3.1 m, chemotherapy only 7.3 m, targeted therapy 17.5 m, and immunotherapy 20.7 m. In our real-world study, following the introduction of targeted therapy and immune checkpoint inhibitors, there was a significant improvement in OS in each successive time cohort concordant with advancements in therapeutic options.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle