Real-World Analysis of the Clinical and Economic Impact of the 21-Gene Recurrence Score (RS) in Invasive Lobular Early-Stage Breast Carcinoma in Ireland
Notice bibliographique
Résumé
Background: This study, using real-world data, assesses the impact of RS testing on treatment pathways and the associated economic consequences of such testing. This paper pertains to lobular breast cancer. Methods: A retrospective, observational study was undertaken between 2011 and 2019 on a cross-section of hormone receptor-positive (HR+), HER2-negative, lymph node-negative, early-stage breast cancer patients. All patients had ILC and had RS testing in Ireland. The patient population is representative of the national population. Patients were classified as low (RS ≤ 25) or high (RS > 25) risk. Patients aged ≤50 were stratified as low (RS 0–15), intermediate (RS 16–25), or high risk (RS > 25). Results: A total of 168 patients were included, most of whom had grade 2 (G2) tumors (n = 154, 92%). Overall, 155 patients (92.3%) had low RS (≤25), 12 (7.1%) had high RS (>25), and 1 (0.6%) had unknown RS status. In 29 (17.5%) patients aged ≤50 at diagnosis, RS was ≤15 in 16 (55%), 16–20 in 6 (21%), 21–25 in 5 (17%), >25 in 1 (3.5%), and unknown in 1 (3.5%). Post RS testing, 126 patients (78%) had a change in chemotherapy recommendation; all to hormone therapy. In total, only 35 patients (22%) received chemotherapy. RS testing achieved a 75% reduction in chemotherapy use, resulting in savings of €921,543.84 in treatment costs, and net savings of €387,283.84. Conclusions: The use of this test resulted in a 75% reduction in chemotherapy and a significant cost savings in our publicly funded health system.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,001 | 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 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 ».