Trends of Utilization of Systemic Therapies for Metastatic Renal Cell Carcinoma in the Canadian Health Care System
Notice bibliographique
Résumé
PURPOSE: Standard-of-care therapies for metastatic renal cell carcinoma (mRCC) have greatly evolved. However, the availability of emerging options in global health care systems can vary. We sought to describe the integration and usage of systemic therapies for mRCC in Canada since 2011. METHODS: We included patients with mRCC enrolled in the Canadian Kidney Cancer Information System, a prospective cohort of patients from 14 Canadian academic centers, who received systemic therapy from January 1, 2011, to December 31, 2021. Patients were stratified by treatment era (cohort 1: 2011-2015, cohort 2: 2016-2021). Stacked bar charts were used to present treatment proportions; Sankey diagrams were used to show the evolution of treatment sequencing between the two cohorts. RESULTS: Four thousand one hundred seven patients were diagnosed with mRCC, of whom 2,752 (67%) received systemic therapy. Among these patients, mean age was 64 years, 74% were male, 75% had clear cell histology, and International Metastatic RCC Database Consortium risk classification was favorable, intermediate, and poor in 16%, 56%, and 28%, respectively. Utilization of immune checkpoint inhibition (ICI)-based treatments has increased in Canada and reflects global and local patterns of approval and adoption. The use of therapies after doublet ICI has mostly shifted toward vascular endothelial growth factor-tyrosine kinase inhibitors (VEGF-TKIs) that were previously used in first line with subsequent treatments reflecting approved and available agents after previous VEGF-TKI. Clinical trial participation among patients who received systemic therapy was 18% in first, 21% in second, and 24% in third line. CONCLUSION: In Canada's publicly funded health care system, availability of standard mRCC therapies broadly reflects access from government-funded clinical trials and compassionate access program sources. In an evolving therapeutic landscape, ongoing advocacy is required to continue to facilitate patient access to efficacious 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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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 ».