Real-World Molecular Biomarker Testing Patterns and Results for Advanced Gastroesophageal Cancers in the United States
Notice bibliographique
Résumé
The decision to treat advanced gastroesophageal cancers (GECs) with targeted therapy and immunotherapy is based on key biomarker expression (human epidermal growth factor receptor 2 (HER2), programmed cell death-ligand 1 (PD-L1), microsatellite instability (MSI), and/or mismatch repair (MMR)). Real-world data on testing, results, and treatment patterns are limited. This retrospective observational study used a nationwide electronic health record-derived de-identified database of patients from the United States. The analysis included adult patients with advanced GECs who initiated systemic treatment between 2017 and 2020. Biomarker testing patterns, timing, assays, tissue collection site, results, and treatment sequences were assessed. Of 1142 eligible patients, adenocarcinoma was the most prevalent histology (83% of patients). Overall, 571 (50%) patients were tested for PD-L1, 582 (51%) were tested for MMR/MSI, and 857 (75%) were tested for HER2. Between 2017 and 2020, the PD-L1 testing rate increased from 39% to 58%, and the MMR/MSI testing rate increased from 41% to 58%; the median time from initial diagnosis to first test decreased for both biomarkers. Programmed cell death receptor-1 inhibitor use was observed among patients with positive PD-L1 or MMR-deficient/MSI-High results. These results supplement data reported in key clinical trials and may inform decision-making as treatment options for advanced GECs evolve.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».