Real World Patient Eligibility for Second Line Lurbinectedin Based Treatment in Small Cell Lung Cancer: Understanding Epidemiology and Estimating Health Care Utilization
Notice bibliographique
Résumé
Background: In the ATLANTIS study, second-line lurbinectedin/doxorubicin did not improve overall survival (OS), however patients with a chemotherapy-free interval (CTFI) of ≥180 days had an improved progression free survival (PFS). The objective of this retrospective study was to identify the proportion of real-world small cell lung cancer (SCLC) patients who are suitable for lurbinectedin-based therapy based on these criteria. Methods: A retrospective study of all SCLC referred to BC Cancer between 2012 and 2017 was conducted. Patient demographics, staging, treatment, and survival data were collected retrospectively. Baseline characteristics were compared using descriptive statistics. OS was calculated using Kaplan–Meier curves. Statistically significant p-value was <0.05. Results: A total of 1048 patients were identified. Baseline characteristics: median age 68 years, 47% male, 61% current smoking status, 68% extensive disease. Best supportive care was received by 22%. First-line systemic therapy was platinum doublet for 71% of the population. Second-line systemic therapy was delivered to 22%. Of the 219 patients who received second-line systemic therapy after platinum doublet, 183 patients had a CTFI of ≥90 days and 107 patients had a CTFI of ≥180 days. Patients originally treated as limited stage disease, received platinum doublet as second line, received thoracic radiation (RT) or prophylactic cranial irradiation (PCI) were more likely to have a CTFI of ≥90 and ≥180 days. Conclusion: In our real-world SCLC population, only 21% of the SCLC population received second-line therapy after platinum doublet with 17% achieving CTFI of ≥90 days and 10% CTFI of ≥180 days. Based on this retrospective review, only a small fraction of platinum-treated patients would be preferentially offered lurbinectedin in the second-line setting.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».