Access to innovative therapies in pediatric oncology: Report of the nationwide experience in Canada
Notice bibliographique
Résumé
BACKGROUND: The need for new therapies to improve survival and outcomes in pediatric oncology along with the lack of approval and accessible clinical trials has led to "out-of-trial" use of innovative therapies. We conducted a retrospective analysis of requests for innovative anticancer therapy in Canadian pediatric oncology tertiary centers for patients less than 30 years old between 2013 and 2020. METHODS: Innovative therapies were defined as cancer-directed drugs used (a) off-label, (b) unlicensed drugs being used outside the context of a clinical trial, or (c) approved drugs with limited evidence in pediatrics. We excluded cytotoxic chemotherapy, cellular products, and cytokines. RESULTS: We retrieved data on 352 innovative therapy drug requests. Underlying diagnosis was primary CNS tumor 31%; extracranial solid tumor 37%, leukemia/lymphoma 22%, LCH 2%, and plexiform neurofibroma 6%. RAS/MAP kinase pathway inhibitors were the most frequently requested innovative therapies in 28% of all requests followed by multi-targeted tyrosine kinase inhibitors (17%), inhibitors of the PIK3CA-mTOR-AKT pathway (8%), immune checkpoints inhibitors (8%), and antibody drug conjugates (8%). In 112 out of 352 requests, innovative therapies were used in combination with another anticancer agent. 48% of requests were motivated by the presence of an actionable molecular target. Compassionate access accounted for 52% of all requests while public insurance was used in 27%. Mechanisms of funding varied between provinces. CONCLUSION: This real-world data collection illustrates an increasing use of "out-of-trial" innovative therapies in pediatric oncology. This new field of practice warrants further studies to understand the impact on patient trajectory and equity in access to innovative 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».