Resistance Mutation Profiles Associated with Current Treatments for Epidermal Growth Factor Receptor-Mutated Non-Small-Cell Lung Cancer in the United States: A Systematic Literature Review
Notice bibliographique
Résumé
Treatment resistance due to gene alterations remains a challenge for patients with EGFR-mutated advanced or metastatic non-small-cell lung cancer (a/mNSCLC). A systematic literature review (SLR) was conducted to describe resistance mutation profiles and their impact on clinical outcomes in adults with a/mNSCLC in the United States (US). A comprehensive search of MEDLINE and Embase (2018-August 2022) identified 2986 records. Among 45 included studies, osimertinib was the most commonly reported treatment (osimertinib alone: 15 studies; as one of the treatment options: 18 studies), followed by other tyrosine kinase inhibitors (TKIs; 5 studies) and non-TKIs (1 study). For first-line (1L) and second-line (2L) osimertinib, the most frequent EGFR-dependent resistance mechanisms were T790M loss (1L: 15.4%; 2L: 20.5-49%) and C797X mutation (1L: 2.9-12.5%; 2L: 1.4-22%). EGFR-independent mechanisms included MET amplification (1L: 0.6-66%; 2L: 7.2-19%), TP53 mutation (1L: 29.2-33.3%), and CCNE1 amplification (1L: 7.9%; 2L: 10.3%). For patients receiving osimertinib, EGFR T790M mutation loss, EGFR/MET/HER2 amplification, RET fusion, and PIK3CA mutation were associated with worse progression-free survival. Resistance mechanisms resulting from current NSCLC treatments in the US are complex, underscoring the need to address such heterogeneous resistance profiles and improve outcomes for patients with EGFR-mutated a/mNSCLC.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,018 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».