Population Survival Kinetics Derived from Clinical Trials of Potentially Curable Lung Cancers
Notice bibliographique
Résumé
Using digitized data from progression-free survival (PFS) and overall survival Kaplan–Meier curves, one can assess population survival kinetics through exponential decay nonlinear regression analyses. To demonstrate their utility, we analyzed PFS curves from published curative-intent trials of non-small cell lung cancer (NSCLC) adjuvant chemotherapy, adjuvant osimertinib in resected EGFR-mutant NSCLC (ADAURA trial), chemoradiotherapy for inoperable NSCLC, and limited small cell lung cancer (SCLC). These analyses permit assessment of log–linear curve shape and estimation of the proportion of patients cured, PFS half-lives for subpopulations destined to eventually relapse, and probability of eventual relapse in patients remaining progression-free at different time points. The proportion of patients potentially cured was 41% for adjuvant controls, 58% with adjuvant chemotherapy, 17% for ADAURA controls, not assessable with adjuvant osimertinib, 15% with chemoradiotherapy, and 12% for SCLC. Median PFS half-life for relapsing subpopulations was 11.9 months for adjuvant controls, 17.4 months with adjuvant chemotherapy, 24.4 months for ADAURA controls, not assessable with osimertinib, 9.3 months with chemoradiotherapy, and 10.7 months for SCLC. For those remaining relapse-free at 2 and 5 years, the cure probability was 74%/96% for adjuvant controls, 77%/93% with adjuvant chemotherapy, 51%/94% with chemoradiation, and 39%/87% with limited SCLC. Relatively easy population kinetic analyses add useful information.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».