Integrating comprehensive genomic sequencing of non-small cell lung cancer into a public healthcare system
Notice bibliographique
Résumé
OBJECTIVES: Standard molecular testing for patients with stage IV non-small cell lung cancer (NSCLC) in the Canadian publicly funded health system includes single gene testing for EGFR, ALK, and ROS-1. Comprehensive genomic profiling (CGP) may broaden treatment options for patients. This study examined the impact of CGP in a publicly funded health system. METHODS: Consenting patients with stage IV NSCLC without known targetable alterations underwent CGP on diagnostic samples. Patients that had progressed on targeted therapy were also eligible. The CGP assay was a hybrid capture next generation sequencing (NGS) panel (Oncomine Comprehensive Assay Version 3, ThermoFisher). The number of actionable alterations, changes in treatment, clinical trial eligibility and costs as a result of CGP were evaluated and patient willingness-to-pay. RESULTS: Of 182 screened patients,134 (74%) had successful CGP testing. Twenty percent had received prior targeted therapy. Incremental actionable alterations were identified in 31% of patients. The most common novel targets identified were mutations in ERBB2 (exon 20 insertions), MET (exon 14 skipping) and KRAS (G12C). At data cut off (31/12/2020), 16% of patients had a change in treatment as a result of CGP. Additional clinical trial options were identified for 75% of patients. The incremental direct laboratory cost for CGP beyond public reimbursement for single gene tests was $747 CAD/case. CONCLUSION: CGP identifies additional actionable targets beyond single gene tests with a direct impact on patient treatment and increased clinical trial eligibility. These benefits highlight the value of CGP in patients with NSCLC in public health systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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) | 0,000 | 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 ».