Understanding Real-World Treatment Patterns and Clinical Outcomes among Metastatic Melanoma Patients in Alberta, Canada
Notice bibliographique
Résumé
Immunotherapy and targeted therapies have been shown to considerably improve long-term survival outcomes in metastatic melanoma patients. Real-world evidence on the uptake of novel therapies and outcomes for this patient population in Canada are limited. We conducted a population-based retrospective cohort study of all metastatic melanoma patients diagnosed in Alberta, Canada (2015–2018) using electronic medical records and administrative data. Information on BRAF testing for patients diagnosed in 2017 or 2018 was obtained through chart abstraction. In total, 434 metastatic melanoma patients were included, of which 110 (25.3%) were de novo metastatic cases. The median age at diagnosis was 66 years (IQR: 57–76) and 70.0% were men. BRAF testing was completed for the majority of patients (88.7%). Among all patients, 60.4%, 19.1%, and 6.0% initiated first-line, second-line, and third-line systemic therapy. The most common therapies were anti-PD-1 and targeted therapies. The two-year survival probability from first-line therapy, second-line therapy, and third-line therapy was 0.50 (95% CI: 0.44–0.57), 0.26 (95% CI: 0.17–0.40), and 0.14 (95% CI: 0.40–0.46), respectively. In the first-line setting, survival was highest for patients that received ipilimumab or ipilimumab plus nivolumab, while targeted therapy had the highest survival in the second-line setting. This study indicates that novel therapies improve survival in the real world but a considerable proportion of patients do not receive treatment with systemic therapy.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».