MétaCan
Menu
Retour à la cohorte
Enregistrement W4318263034 · doi:10.21203/rs.3.rs-2503084/v1

Referred molecular testing as a barrier to optimal treatment decision making in metastatic non-small cell lung cancer: experience at a tertiary academic institution in Ontario, Canada

2023· preprint· en· W4318263034 sur OpenAlexaffabout
Grace K. Grafham, Kenneth J. Craddock, Weei‐Yuarn Huang, Alexander V. Louie, Liying Zhang, David Hwang, Ambica Parmar

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineGuidelineLung cancerInternal medicineAcademic institutionOncologyStage (stratigraphy)CancerPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose: Molecular testing is critical to guiding treatment decisions in vulnerable patients with metastatic non-small cell lung cancer (mNSCLC), with testing delays associated with prolonged treatment times and higher mortality. Here, we evaluated the time from initial mNSCLC diagnosis to treatment decision (TTD) following implementation of in-house EGFR, ALK, and PD-L1 testing at our institution. Methods: We conducted a retrospective chart review of 165 patients (send-out testing, n=92; in-house testing, n=73) with newly diagnosed stage IV NSCLC treated at our institution. Data were compared during the send-out (March 2017-May 2019) and in-house (July 2019-March 2021) testing periods. We performed a detailed workflow analysis to provide insight on the pre-analytic, analytic, and post-analytic intervals that constituted the total TTD. Results: TTD was significantly shorter with in-house testing (10 days vs.18 days, p<0.0001), driven largely by decreased internal handling/specimen transit times (2 days vs. 3 days, p<0.0001) and laboratory turnaround times (TAT, 3 days vs. 8 days, p<0.0001), with 96% of in-house cases meeting the international guideline of a ≤10-day intra-laboratory TAT (vs.74% send-out, p<0.001). Eighty-eight percent of patients with in-house testing had results available at their first oncology consultation (vs. 52% send-out, p<0.0001), and all patients with in-house testing had results available at the time of treatment decision (vs. 86% send-out, p=0.57). Conclusion: Our results demonstrate the advantages of in-house biomarker testing for mNSCLC at high-volume oncology centres. Incorporation of in-house testing may reduce barriers to offering personalized medicine by improving the time to optimal systemic therapy decision.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,518

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,002
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,387
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetCancer Genomics and DiagnosticsTravaux en français237 207