Real-World Evidence Study of Patients with KRAS-Mutated NSCLC in Finland
Notice bibliographique
Résumé
While KRAS is the most frequently mutated oncogene in non-small cell lung cancer (NSCLC), KRAS-mutant tumors have long been considered difficult to treat and thus, an unmet need still remains. Partly due to the lack of targeted treatments, comprehensive real-world description of NSCLC patients with KRAS mutation is still largely missing in Finland. In this study, all adult patients diagnosed with locally advanced and unresectable or metastatic NSCLC from 1 January 2018 to 31 August 2020 at the Hospital District of Helsinki and Uusimaa were first identified in this retrospective registry-based real-world study. The final cohort included only patients tested with next generation sequencing (NGS) and was stratified by the KRAS mutation status. A total of 383 patients with locally advanced and unresectable or metastatic NSCLC and with NGS testing performed were identified. Patients with KRAS mutation (KRAS G12C n = 35, other KRAS n = 74) were younger than patients without KRAS mutations, were all previous or current smokers, and had more often metastatic disease at diagnosis. Also, these patients had poorer survival, with higher age, Charlson comorbidity index (CCI) being 5 or above, and KRAS G12C being the most significant risk factors associated with poorer survival. This suggests that the patients with KRAS mutation have a more aggressive disease and/or tumors with KRAS mutation are more difficult to treat, at least without effective targeted 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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,004 | 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 ».