Impact of COVID-19 Pandemic on Non-Small Cell Lung Cancer Care
Notice bibliographique
Résumé
We assessed the impact of COVID-19 on healthcare visits, timing of stage IV NSCLC diagnosis and immunotherapy initiation, and rates of switching to extended dosing schedules of immunotherapies among patients with stage IV NSCLC. This retrospective study examined electronic health record data of adult patients receiving treatment for stage IV NSCLC within The US Oncology Network and Onmark. Endpoints were compared for February-July 2019 (before COVID) vs. February-July 2020 (during COVID). The study found rapid decreases in numbers of patients with clinic/vital visits, immunotherapy initiations, and new diagnoses of stage IV NSCLC during April-May 2020 vs. April-May 2019. The rate of delays of immunotherapy administrations and proportions of patients with such delays increased from February to March of 2020. These patterns may have resulted from the increase in COVID-19 cases during this period and the corresponding quarantine and lockdowns. However, when comparing pre COVID-19 and during COVID-19 for May and after, the differences in delay of immuno-oncology administrations became less marked, likely due to lifting of lockdowns. The rate of switching from shorter to longer dosing schedules increased from May-July 2020. This was mainly attributed to pembrolizumab, likely due to FDA approval of the pembrolizumab 6W dosing schedule in April 2020.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».