MétaCan
Menu
Retour à la cohorte
Enregistrement W4403053730 · doi:10.1200/jco.2022.40.16_suppl.6006

Association of plasma tumor tissue modified viral HPV DNA (TTMV) with tumor burden, treatment type, and outcome: A translational analysis from NRG-HN002.

2022· article· en· W4403053730 sur OpenAlexaff
Sue S. Yom, Pedro A. Torres‐Saavedra, Charlotte Kuperwasser, Sunil Kumar, Piyush B. Gupta, Patrick K. Ha, J.L. Geiger, Robyn Banerjee, Wade L. Thorstad, Dukagjin Blakaj, William Stokes, Khalil Sultanem, Pencilla Lang, Christopher Erik Lominska, Melissa R. Young, Jonathan Harris, Quynh‐Thu Le

Notice bibliographique

RevueJournal of Clinical Oncology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensCancer Care OntarioMcGill UniversityUniversity of Calgary
Organismes subventionnairesNational Institutes of Health
Mots-clésMedicineOncologyCancer researchDNAInternal medicineVirologyPathologyGeneticsBiology

Résumé

récupéré en direct d'OpenAlex

6006 Background: NRG-HN002 was a phase II trial that randomized patients with p16-positive oropharynx cancer to 60 Gy IMRT with concurrent cisplatin (IMRT-C) or 60 Gy accelerated IMRT. The protocol specified plasma collection at pretreatment (t0), intratreatment (20-28 Gy, t1), and 2 weeks to 1 month posttreatment (t2); at these timepoints, TTMV was assayed. A prespecified analysis evaluated: association of t0 TTMV to gross tumor volume (GTV) of primary and lymph nodes; t0-t1 decrease in TTMV; and association of t2 TTMV to treatment and outcome. Methods: TTMV was quantified as fragments/mL of plasma. If TTMV-HPV16 was not detected (<5 fragments/mL) or was a low value, the specimen was tested for TTMV-HPV18, -HPV31, -HPV33, and -HPV35. The distribution of t0 TTMV fragments was highly skewed, so these data were log-transformed; their correlation to GTV was measured by Pearson coefficient. Paired and two-sample t-tests were used to compare t0 and t1 log-transformed fragments within and between arms. Proportions of TTMV detection at t2 between arms were compared using Fisher’s exact test. Rates of undetectability and fragment clearance (≥94% reduction from t0) at t2 were estimated. The negative predictive value (NPV) was estimated for 2-year locoregional failure (LRF) and progression-free survival (PFS). Results: Of 306 eligible patients, 164 (53.6%) donated at least one specimen. The median collection time/RT dose was -2.6 days before RT (Q1-Q3, -4.0-0.0), at 24 Gy (22-28), and 25.5 days after RT end (18-31). The t0, t1, and t2 patient participation rates were 53.6%, 45.4%, and 42.5%. Zero TTMV fragments were detected in 10.4% at t0, 19.4% at t1, and 93.1% at t2. At t0, t1, and t2, 83.5%, 79.1%, and 6.2% had detectable TTMV; 78.0%, 73.4%, and 5.4% had TTMV-HPV16. In correlating GTV to t0 TTMV fragments, the Pearson coefficient was 0.30 (95% CI 0.15-0.44). In a linear model, T stage (p=0.01) and N stage (p=0.004) were positively associated with t0 TTMV fragments. On the IMRT-C arm, the t0-to-t1 mean change was -1.06 (p=0.0009), and for IMRT, it was -0.22 (p=0.35) (p=0.03 between arms). The t2 TTMV detectability rate was 3.3% for IMRT-C vs 8.7% for IMRT (p=0.28). The t2 TTMV undetectability rate was 93.8% and the fragment clearance rate was 95.4%. Two-year LRF and PFS were 6.2% and 91.4%. The NPV of t2 undetectability was 95.0% (95% CI 89.4-98.1) for 2-year LRF and 93.3% (95% CI 87.3-97.1) for 2-year PFS, and for fragment clearance was 94.3% and 92.7%. Conclusions: Feasibility of the TTMV-HPV assay in clinical trial specimens was established. About 10% of p16-positive patients had zero TTMV fragments at baseline. Among those with TTMV detectability, 6.6% had types other than TTMV-HPV16. T and N stage were positively associated with TTMV fragments. The IMRT-C arm achieved rapid TTMV undetectability unlike IMRT. The NPV of posttreatment undetectability was 93-95% for 2-year LRF and PFS.

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)0,007
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,040
Tête enseignante GPT0,371
Écart entre enseignants0,331 · 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'étudeObservationnel
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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetCancer Genomics and DiagnosticsTravaux en français237 207