19MO Desaminotyrosine is a key driver of the success of immunotherapy with fecal microbial transplantation in cancer
Notice bibliographique
Résumé
Background: LB has become a practical, non-invasive tool for genomic profiling.However, its interpretation often requires a MTB.We present results from the PRECISO program evaluating the integration of blood-based NGS into a real-world MTB for TM. Methods:We conducted a prospective analysis of patients (pts) with TM enrolled in the PRECISO program in Hospital 12 de Octubre (Feb 2024-Apr 2025).All underwent LB using FoundationOne Liquid CDx (Roche).We collected clinical variables, genomic findings, and MTB recommendations.Results: A total of 346 pts were included (45.1% female; 85.9% metastatic disease, median age 65).Most had ECOG 0-1 (86.7%) and NSCLC (98.3%: 20.5% squamous (sq), 77.8% non-sq); 1.6% mesothelioma and 0.1% thymic tumors.Samples were obtained at diagnosis (31.3%), progression (PD) (59.6%), or other settings (9.1%).Median turnaround time for NGS results was 15 days.ESCAT I/II alterations were detected in 33.2%/21.7% of pts.Excluding diagnostic samples, actionable ESCAT I alterations were identified in 10.1% of sq-NSCLC and 25.8% of non-sq NSCLC without prior molecular findings.At diagnosis, 78.8% of LBs were informative.Non-informative results were more likely in pts with non-progressive disease (OR 2.25; 2 p = 0.10), radiological response (OR 10.8; 2 p = 0.008) and non-metastatic status (OR 9.1; 2 p < 0.001).The MTB recommended targeted therapy in 26% of pts (13.9% trials, 7.8% standard, 4.3% compassionate use); 7.2% had suspected germline variants.
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 | 0,000 |
| 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 ».