Pathum Raksa Project: Addressing Disparity in Breast Cancer Care Through National Innovation in Thailand
Notice bibliographique
Résumé
Supinda Koonmee,1 Ongart Somintara,2 Piyapharom Intarawichian,1 Chaiwat Aphivatanasiri,1 Sakkarn Sangkhamanon,1 Suphawat Laohawiriyakamol,3 Rujira Panawattanakul,4 Phanchanut Mahantassanapong,5 Chayanoot Rattadilok,6 Piyarat Jeeravongpanich,7 Wilart Krongyute,8 Krisada Prachumrasee,9 Reza Alaghehbandan10 1Department of Pathology, Faculty of Medicine, Khon Kaen University, Khon Kaen, Thailand; 2Department of Surgery, Faculty of Medicine, Khon Kaen University, Khon Kaen, Thailand; 3Division of General Surgery, Faculty of Medicine, Prince of Songkla University, Songkhla, Thailand; 4Department of Surgery, Udonthani Hospital, Udonthani, Thailand; 5Department of Anatomical Pathology, Surin Hospital, Surin, Thailand; 6Department of Surgery, Nopparatrajathanee Hospital, Bangkok, Thailand; 7Anatomical Pathology Unit, Songkhla Hospital, Songkhla, Thailand; 8Department of Surgery, Fort Suranari Hospital, Nakhon Ratchasima, Thailand; 9The College of Local Administration, Khon Kaen University, Khon Kaen, Thailand; 10Department of Pathology, Faculty of Medicine, University of British Columbia, Royal Columbian Hospital, Vancouver, BC, CanadaCorrespondence: Chaiwat AphivatanasiriDepartment of Pathology, Faculty of Medicine, Khon Kaen University, Khon Kaen, ThailandEmail chaiap@kku.ac.thReza AlaghehbandanUniversity of British Columbia, Royal Columbian Hospital, Vancouver, BC, CanadaEmail reza.alagh@gmail.comPurpose: Breast cancer is a growing public health challenge in Thailand. Pathum Raksa project was launched in 2015, as a result of higher than expected rate of triple-negative breast cancers in Thai women. The purpose of this project was to identify the cause(s) and address the issue(s), hence improving the quality of breast cancer biomarker testing in Thailand.Materials and Methods: Nineteen hospitals across the country, with 902 breast cancer patients were enrolled in this study during 2015– 2020. The pre- and post-data from Pathum Raksa initiative was only available for Khon Kaen University (KKU) and Udonthani hospitals in Northeast Thailand. We developed a resource-stratified strategic plan that included designing a unique specimen container, forming multidisciplinary teams from the Surgery and Pathology Departments, and employing locally developed innovative technologies to optimize the entire process of breast cancer diagnostics and biomarker testing.Results: The rate of triple-negative breast cancers in KKU and Udonthani decreased 52.8% (p = 0.02) and 28.9% (p = 0.48), respectively. The rate of ER+ breast cancers in both hospitals increased 5% post-Pathum Raksa implementation. The rate of HER2-neu+ (score 3+) also increased in both hospitals (particularly an increased 65% rate in KKU). Luminal A/B cancers were the most common subtype in both KKU and Udonthani hospitals.Conclusion: Pathum Raksa project has significantly improved breast cancer biomarker testing in Thailand. As a result of this national innovation, false-negative rates of breast biomarkers have significantly decreased, resulting in improving prognosis, treatment, and survival of breast cancer women in Thailand.Keywords: breast cancer, biomarkers, Pathum Raksa, multidisciplinary teams, pre-analytical phase
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
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 ».