MétaCan
Menu
← Retour à la cohorte
Enregistrement W4379338189 · doi:10.1200/jco.2023.41.16_suppl.e21124

Circulating tumour DNA (ctDNA) as a predictor of clinical outcome in non-small cell lung cancer undergoing targeted therapies: A systematic review and meta-analysis.

2023· review· en· W4379338189 sur OpenAlexaboutno aff
Farzana Y. Zaman, Ashwin Subramaniam, Zarka Samoon, Walid Zwieky, Surein Arulananda, Muhammad Alamgeer

Notice bibliographique

RevueJournal of Clinical Oncology · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineMeta-analysisOncologyLung cancerHazard ratioPublication biasLiquid biopsyPopulationClinical trialConfidence intervalCancer

Résumé

récupéré en direct d'OpenAlex

e21124 Background: Liquid biopsy (LB) analysis using circulating-tumour DNA (ctDNA)/cell-free DNA (cfDNA) is an emerging alternative to tissue profiling in non-small cell lung cancer (NSCLC). LB is used to guide treatment decisions, detect resistance mechanisms, and predicts responses, and therefore outcomes. This systematic review and meta-analysis evaluated the impact of LB quantification on clinical outcomes in molecularly altered advanced NSCLC undergoing targeted therapies. Methods: We searched Embase, MEDLINE, PubMed and Cochrane Database, between 01/01/2000 and 01/08/2022. The primary outcome was progression-free survival (PFS) and overall survival (OS). Secondary outcomes included objective response rate (ORR), sensitivity and specificity of the test. Age stratification was performed based on the mean age of the individual study population. The quality of studies was assessed using the Newcastle-Ottawa Scale (NOS). Results: Twenty-seven studies reporting 2424 patients were included. Eleven studies (n = 1359) reported an association of baseline ctDNA levels, while 16 studies (n = 1649) reported an association of dynamic ctDNA changes to treatment, with clinical outcomes of PFS and/or OS. Baseline ctDNA-negative patients had higher PFS (pooled hazard ratio [pHR] = 2.97; (95%CI: 1.92-4.85; I2= 97.4%), and OS (pHR = 3.49; (95%CI: 1.73-6.95; I2= 84.2%), than ctDNA-positive patients. Egger’s test suggested publication bias (p < 0.001). Early reduction/clearance of ctDNA levels after treatment improved PFS (pHR = 3.78; 95%CI: 1.91-7.38; I2= 98.4%) and OS (pHR = 2.20; 95%CI: 1.49-3.28; I2= 90.6%), compared to those with no reduction/persistence of ctDNA levels. The PFS was comparable for patients stratified by age (age ≤60 years [pHR = 2.92; 95%CI: 1.43-5.93; I2= 98.3 %] vs. age > 60 years [pHR = 3.94; 95%CI: 1.54-10.07; I2= 83.6 %]). The sensitivity analysis based on study quality (NOS) demonstrated improved PFS only for good quality studies (pHR = 3.67; 95%CI: 1.79-7.54; I2= 91.6 %), but not for poor or fair quality studies. Conclusions: This large systematic review, despite heterogeneity, found that baseline negative ctDNA levels, and early reduction in ctDNA following treatment are strong prognostic markers for PFS and OS in patients undergoing targeted therapies for advanced NSCLC. Future randomised clinical trials should incorporate serial ctDNA monitoring to further establish the clinical utility in advanced NSCLC management. Systematic review registration: PROSPERO registration No. CRD42022347791 Keywords: non-small cell lung cancer; NSCLC; liquid biopsy; circulating tumour DNA; ctDNA; progression-free survival; targeted therapies.

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)0,012
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,029
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0200,034
Bibliométrie0,0060,009
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
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 Opus0,209
Tête enseignante GPT0,496
Écart entre enseignants0,287 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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 sujetCancer Genomics and Diagnostics→Travaux en français237 207→