Ultrarapid EGFR Testing in Non–Small Cell Lung Carcinoma Patients: Findings From a Canadian Clinical Testing Workflow
Notice bibliographique
Résumé
Single vs multigene molecular testing modalities for lung cancer offer distinct advantages and risks. We examined lung cancer cases with clinically requested ultrarapid EGFR testing to (1) identify clinical features of rapid tested cases and their association with EGFR mutations, (2) evaluate performance of single-gene and multigene panel testing for ultrarapid tested patients, and (3) estimate laboratory costs and clinical outcomes. We include all retrospectively identified lung cancer patients who had ultrarapid Idylla EGFR testing during the study period. Demographic data were retrieved from clinical charts, and cost estimates were obtained from the BC Cancer Genetics and Genomics Laboratory. Of the 109 ultrarapid tests, 94 (86%) were technically successful, yielding a positive or negative result. Of these, 62 tests (66%) identified an EGFR mutation. Patients with negative or failed testing were offered panel sequencing (n = 47, 43%). Ultrarapid testing had a median 1-day turnaround time and 95% sensitivity for EGFR mutation detection relative to panel sequencing. East/Southeast Asian ethnicity and female sex were significantly associated with EGFR mutation positivity in a multivariate logistic regression model (P = .0001 and .029, respectively). The mean molecular testing cost per ultrarapid tested patient, including panel sequencing for cases with negative/failed rapid tests, was $550.53 (SD: $284), slightly less than the $571 cost for panel sequencing. Single-gene testing of patients with urgent clinical need or high probability of mutation may allow a rapid time to treatment at similar testing costs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».