Determining Line of Therapy from Real‐World Data in Non‐Small Cell Lung Cancer
Notice bibliographique
Résumé
INTRODUCTION: Determining lines of therapy (LOT) using real-world data is crucial to inform clinical decisions and support clinical research. Existing rules for determining LOT in patients with metastatic non-small cell lung cancer (mNSCLC) do not incorporate the growing number of targeted therapies used in treatment today. Therefore, we propose rules for determining LOT from real-world data of patients with mNSCLC treated with targeted therapies. METHODS: LOT rules were developed through expert consensus using a real-world cohort of 550 patients with ALK+ or ROS1+ mNSCLC in the multi-institutional, electronic medical record-based Academic Thoracic Oncology Medical Investigators Consortium's (ATOMIC) Driver Mutation Registry. Rules were subsequently modified based on a review of appropriate LOT determination. These resulting rules were then applied to an independent cohort of patients with EGFR+ mNSCLC to illustrate their use. RESULTS: Six rules for determining LOTs were developed. Among 1133 patients with EGFR mutations and mNSCLC, a total of 3168 regimens were recorded with a median of 2 regimens per patient (IQR, 1-4; range, 1-13). After applying our rules, there were 2834 total LOTs with a median of 2 LOTs per patient (IQR, 1-3; range, 1-11). Rules 1-3 kept 11% of regimen changes from advancing the LOT. When compared to previously published rules, LOT assignments differed 5.7% of the time, mostly in LOTs with targeted therapy. CONCLUSION: These rules provide an updated framework to evaluate current treatment patterns, accounting for the increased use of targeted therapies in patients with mNSCLC, and promote standardization of methods for determining LOT from real-world data.
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 | 0,031 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».