MétaCan
Menu
Retour à la cohorte
Enregistrement W4408091797 · doi:10.2196/65118

Treatment Outcomes From Erlotinib and Gefitinib in Advanced Epidermal Growth Factor Receptor–Mutated Nonsquamous Non–Small Cell Lung Cancer in Aotearoa New Zealand From 2010 to 2020: Nationwide Whole-of-Patient-Population Retrospective Cohort Study

2025· article· en· W4408091797 sur OpenAlexvenueno aff
Phyu Sin Aye, Joanne Barnes, George Laking, Laird Cameron, Malcolm Anderson, Brendan Luey, S. Delany, Dean Harris, Blair McLaren, Elliott Brenman, Jayden Wong, Ross Lawrenson, Michael Arendse, Sandar Tin Tin, Mark Elwood, Philip Hope, Mark J. McKeage

Notice bibliographique

RevueJMIR Cancer · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGefitinibErlotinibAotearoaEpidermal growth factor receptorMedicineOncologyLung cancerInternal medicinePopulationCancerEnvironmental healthPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: Health care system-wide outcomes from routine treatment with erlotinib and gefitinib are incompletely understood. Objective: The aim of the study is to describe the effectiveness of erlotinib and gefitinib during the first decade of their routine use for treating advanced epidermal growth factor receptor (EGFR) mutation-positive nonsquamous non-small cell lung cancer in the entire cohort of patients treated in Aotearoa New Zealand. Methods: Patients were identified, and data collated from national pharmaceutical dispensing, cancer registration, and mortality registration electronic databases by deterministic data linkage using National Health Index numbers. Time-to-treatment discontinuation and overall survival were measured from the date of first dispensing of erlotinib or gefitinib and analyzed by Kaplan-Meier curves. Associations of treatment outcomes with baseline factors were evaluated using univariable and multivariable Cox regressions. Results: Overall, 752 patients were included who started treatment with erlotinib (n=418) or gefitinib (n=334) before October 2020. Median time-to-treatment discontinuation was 11.6 (95% CI 10.8-12.4) months, and median overall survival was 20.1 (95% CI 18.1-21.6) months. Shorter time-to-treatment discontinuation was independently associated with high socioeconomic deprivation (hazard ratio [HR] 1.3, 95% CI 1.1-1.5 compared to the New Zealand Index of Deprivation 1-4 group), EGFR L858R mutations (HR 1.3, 95% CI 1.1-1.6 compared to exon 19 deletion), and distant disease at cancer diagnosis (HR 1.4, 95% CI 1.2-1.7 compared to localized or regional disease). The same factors were independently associated with shorter overall survival. Outcome estimates and predictors remained unchanged in sensitivity analyses. Conclusions: Outcomes from routine treatment with erlotinib and gefitinib in New Zealand patients with advanced EGFR-mutant nonsquamous non-small cell lung cancer are comparable with those reported in randomized trials and other health care system-wide retrospective cohort studies. Socioeconomic status, EGFR mutation subtype, and disease extent at cancer diagnosis were independent predictors of treatment outcomes in that setting.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,194

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,323
Écart entre enseignants0,313 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetLung Cancer Treatments and MutationsTravaux en français237 207