MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400284154 · doi:10.3390/curroncol31070281

A Locally Advanced NSCLC Patient Harboring a Rare KIF13A-RET Fusion Benefited from Pralsetinib: A Case Report

2024· article· en· W4400284154 sur OpenAlexvenueno aff
Zeng-Hao Chang, Tengfei Zhu, Hao Jiang, Wei Ou, Siyu Wang

Notice bibliographique

RevueCurrent Oncology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBevacizumabOncologyRegimenLung cancerInternal medicineAdjuvantStage (stratigraphy)Circulating tumor DNALymph nodeTargeted therapyAdjuvant therapySurgeryChemotherapyCancer

Résumé

récupéré en direct d'OpenAlex

The application of adjuvant treatment has significantly enhanced the survival of patients with resectable non-small cell lung cancer (NSCLC) carrying driver gene mutations. However, adjuvant-targeted therapy remains controversial for some NSCLC patients carrying rare gene mutations such as RET, as there is currently a lack of confirmed randomized controlled trials demonstrating efficacy. In this report, we describe the case of a 58-year-old man with stage IIIA NSCLC who underwent complete lobectomy with selective lymph node dissection. Postoperative next-generation sequencing revealed that the patient harbored a rare KIF13A-RET fusion. The patient elected to receive adjuvant treatment with pralsetinib monotherapy and underwent serial circulating tumor DNA (ctDNA) monitoring after surgery. During follow-up, despite experiencing dose reduction and irregular medication adherence, the patient still achieved a satisfactory disease-free survival (DFS) of 27 months. Furthermore, ctDNA predicted tumor recurrence 4 months earlier than imaging techniques. The addition of bevacizumab to the original regimen upon recurrence continued to be beneficial. Pralsetinib demonstrated promising efficacy as adjuvant therapy, while ctDNA analysis offered a valuable tool for early detection of tumor recurrence. By leveraging targeted therapies and innovative monitoring techniques, we aim to improve outcomes and quality of life for NSCLC patients in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,339
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetCancer Genomics and Diagnostics→Travaux en français237 207→