MétaCan
Menu
← Retour à la cohorte
Enregistrement W4379280924 · doi:10.1200/jco.2023.41.16_suppl.e21076

Serum tumor biomarkers as a surrogate for radiographic assessment of non-small cell lung cancer.

2023· article· en· W4379280924 sur OpenAlexaff
Scott Strum, Mark Vincent, Meghan Gipson, Eric McArthur, Daniel Breadner

Notice bibliographique

RevueJournal of Clinical Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineLung cancerSurrogate endpointStage (stratigraphy)Response Evaluation Criteria in Solid TumorsPopulationGastroenterologyCancerOncologyRegimenProgressive diseaseSurgeryDisease

Résumé

récupéré en direct d'OpenAlex

e21076 Background: Conventional tumor markers are positioned to serve as a useful adjunct in lung cancer management. However, most studies in this field have been specific to a particular disease stage or treatment regimen. Thus, the purpose of this research was to assess whether three minimally invasive, low-cost serum tumor markers (CEA, CA19-9, and CA-125) held associations with radiographic and clinical outcomes in non-small cell lung cancer (NSCLC) patients who received systemic therapy in a more comprehensive patient population. Methods: This was a single-center retrospective study of NSCLC patients treated between January 2016 and August 2020. Serum tumor markers were statistically analyzed for differences in patients who responded or progressed (RECIST 1.1 or iRECIST criteria), associations with demographic and clinical characteristics, and all-cause mortality in pre-defined populations. Disease response was assessed radiographically using RECIST 1.1 criteria. Results: From 533 NSCLC patients screened, 165 met inclusion criteria. Of these, 50.9% were male and 49.1% female. 69.7% had stage IV disease at baseline. The proportion of patients with an elevated CEA, CA-125, and CA19-9 at baseline were 58.8%, 50.9%, and 30.3%, respectively. A subset of 92 patients had paired tumor markers and radiographic scans, from which median (IQR) fold-change in tumor markers from nadir to progression was 2.13 (IQR 1.24 - 3.02; p < 0.001) for CEA (n = 47), 1.46 (IQR 1.13 - 2.18; p < 0.001) for CA19-9 (n = 46), and 1.53 (IQR 0.96 - 2.12; p < 0.001) for CA-125 (n = 47). Median (IQR) fold-change in tumor markers from baseline to radiographic response was 0.50 (IQR 0.27, 0.95; p < 0.001) for CEA (n = 39), 1.08 (IQR 0.74, 1.61; p = 0.99) for CA19-9 (n = 35), and 0.47 (IQR 0.18, 1.26; p = 0.008) for CA-125 (n = 35). Lastly, an elevated baseline CEA was not associated with a difference in overall survival (HR 1.05, 95% CI 0.63-1.74, p = 0.84) in patients with stage IV disease within the total population. Conclusions: Serum CEA, CA-125, and CA19-9 levels were significantly different than nadir in patients who progressed. CEA and CA-125 were significantly different than baseline in those who responded. These cost-effective tumor markers may serve as an important adjunct to clinical decision making. Analysis within a controlled clinical trial is warranted.

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)0,004
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 enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,054
Tête enseignante GPT0,490
Écart entre enseignants0,435 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→