Turnaround Times in Melanoma BRAF Testing and the Impact on the Initiation of Systemic Therapy at a Single Tertiary Care Cancer Center
Notice bibliographique
Résumé
PURPOSE: The identification of BRAF mutations in melanoma enables targeted therapy and improves patient outcomes. Barriers to BRAF molecular testing affect the quality of care and therapeutic options. METHODS: This retrospective study mapped BRAF testing timelines in adult patients with melanoma at the Princess Margaret Cancer Centre to identify obstacles to timely BRAF reporting and its impact on the initiation of therapy. RESULTS: Sixty-six cases were included. The median time between BRAF request and result was 12 days (95% CI, 8 to 15) when the BRAF test was ordered by pathology, compared with 20 days (95% CI, 16 to 23) if the test was requested by another specialist ( P < .001). When the BRAF test and biopsy were performed within the same institution, the BRAF median turnaround time (TAT) was 13 days (95% CI, 6 to 19) compared with 19 days (95% CI, 16 to 21) if the sample was transferred from another institution ( P = .02). Forty-seven patients received systemic therapy, and 20 had metastatic disease. In the metastatic subgroup, if the BRAF result was available at the first medical oncology visit, the initiation of treatment was 20 days (95% CI, 9.6 to 30.3), but was delayed to 31 days (95% CI, 10.8 to 51.1) if the BRAF result was not available ( P = .03). CONCLUSION: This study showed variations in BRAF test results in TAT. One factor affecting this timeline is the transfer time, which can be streamlined by pathology reflex testing. Delays in TAT affect the timing and type of therapeutic intervention, especially in patients with stage IV disease.
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) | 0,000 | 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 ».