Does Pre-Emptive Availability of PREDICT 2.1 Results Change Ordering Practices for Oncotype DX? A Multi-Center Prospective Cohort Study
Notice bibliographique
Résumé
For early-stage hormone receptor (HR)-positive and HER2-negative breast cancer, tools to estimate treatment benefit include free and publicly available algorithms (e.g., PREDICT 2.1) and expensive molecular assays (e.g., Oncotype DX). There remains a need to identify patients who de-rive the most benefit from molecular assays and where this test may be of poor value. In this multicenter prospective cohort study, we evaluated whether use of PREDICT 2.1 would impact physician decision making. For the first 6 months of the study, data on physician use of both PREDICT 2.1 and Oncotype DX ordering were collected on all newly diagnosed patients eligible for molecular testing. After 6 months, an educational intervention was undertaken to see if providing physicians with PREDICT 2.1 results affects the frequency of Oncotype DX requests. A total of 602 patients across six cancer centers in Ontario, Canada were recruited between March 2020 and November 2021. Providing PREDICT 2.1 results and an educational intervention did not alter the ordering of an Oncotype DX. For patients with low clinical risk, either by clinico-pathologic features or by PREDICT 2.1, the probability of obtaining a high Oncotype DX recurrence score was substantially lower compared to patients with high-clinical-risk disease. The introduction of an educational intervention had no impact on molecular assay requests. However, routine ordering of molecular assays for patients with low-clinical-risk disease is of poor value.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».