Evaluating Diagnostic and Treatment Timelines for ALK-Positive NSCLC Patients: Results From a Global Registry
Notice bibliographique
Résumé
Background Anaplastic Lymphoma Kinase (ALK)-positive non-small cell lung cancer (NSCLC) primarily affects younger, non-smoking individuals. Tyrosine kinase inhibitors (TKIs) have improved survival. While timely diagnosis and TKI initiation are critical, global data on diagnostic and treatment timelines remain scarce. This study examines key intervals from the first medical visit to diagnosis and treatment, and factors linked to delays. Methods The ALK Life Study is a longitudinal observational study of ALK-positive NSCLC patients, with data collected via online surveys from September 2022 to November 2024. Patients were recruited through support groups, newsletters, and oncologist referrals. Descriptive statistics and multivariable regression identified factors influencing timelines. Results A total of 1,288 patients from 71 countries completed the survey. The median age at diagnosis was 52 years, 52% from the U.S., and 28% with a smoking history. For all patients, the median time from first medical visit to diagnosis (DOD) was 45 days (IQR: 16–120). For stage IIIC/IV patients, the median time from diagnosis to TKI treatment (DDT) was 30 days (IQR: 17–49). Older ages at the first visit were linked to shorter DOD, while more symptoms increased DOD. For advanced-stage patients, older age, GERD, and high blood pressure prolonged DDT, while coughing up blood and voice changes shortened it. Recent diagnosis year and residence in Canada were tied to shorter DDT. Conclusions Younger age, specific comorbidities, non-specific symptoms, and geographic factors lengthen intervals to diagnosis and treatment. Raising awareness of ALK-positive NSCLC in younger patients could improve diagnosis timelines and outcomes. Micro Abstract The ALK Life Study analyzed diagnostic and treatment timelines in 1,288 ALK-positive NSCLC patients from 71 countries. The median time to diagnosis was 45 days, and time to TKI treatment was 30 days for advanced-stage patients. Younger age, comorbidities, and geographic factors were linked to delays. Outcomes may be improved by raising awareness amongst clinicians of the frequency of ALK-positive NSCLC in younger populations
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».