An Investigation into EGFR Tyrosine Kinase Inhibitors: Adverse Events, Cost and Prescribing Trends
Notice bibliographique
Résumé
Lung cancer is the leading cause of cancer death worldwide among men and women, and non-small cell lung cancer (NSCLC) accounts for 85% of all diagnosed lung cancer cases in the United States.Mutations in the epidermal growth factor receptor (EGFR) gene cause continuous activation of the EGFR and its downstream signaling pathways involving cell proliferation and apoptosis, leading to excess cell division and tumor growth in NSCLC.EGFR Tyrosine Kinase Inhibitors (TKIs), a targeted therapy for NSCLC patients with EGFR mutations, bind to the ATP-binding site of EGFR and prevent the activation of downstream signaling pathways and slow or stop the growth of cancerous cells.The objective of this study is to evaluate the performance and the cost of three TKIs -Gefitinib, Afatinib, and Erlotinib -within the real world setting.This evaluation was conducted by assessing trends in reported adverse events, costs, and prescriptions using data collected from the FDA Adverse Event Reporting System (FAERS) and the Medicare Part D Database.This work is novel because it is the first to use both FAERS and the Medicare Part D Database to track trends in the aforementioned variables over multiple years, allowing for a comprehensive analysis of the real world effectiveness and economic impact of the three TKIs.From 2001 to 2024, Gefitinib recorded 8,543 adverse events, Erlotinib recorded 14,725, and Afatinib recorded 6,193.The three TKI treatments cost American patients approximately $2.8 billion in total.Analysis of the data revealed that the adverse event rate was higher among the first generation TKIs in comparison to their second generation counterpart and highlighted the significant financial burden TKI treatment puts on patients.Future work should focus on improving the safety of TKIs by monitoring their adverse events and increasing the affordability of these life saving drugs.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».