Circulating tumor DNA as part of the routine work-up for patients with suspected advanced lung cancer
Notice bibliographique
Résumé
Liquid biopsy (LB) is a useful tool in patients with advanced non-small cell lung cancer (aNSCLC) to detect actionable molecular alterations and thereby allow genotype-matched therapies. Currently, LB is recommended for individuals diagnosed with aNSCLC who have an insufficient tissue sample or difficult-to-reach tumour tissue. Despite the potential advantages of LB, its incorporation into the standard diagnostic work-up for all newly diagnosed patients with aNSCLC is lacking. Our study aimed to evaluate whether addition of plasma circulating tumor DNA (ctDNA) next generation sequencing (NGS) testing early in the diagnostic work-up for patients with aNSCLC can improve the time to molecular results and treatment initiation. This was a single-centre quality improvement initiative with two cohorts of patients. Patients in the 'ctDNA cohort' had plasma ctDNA testing in addition to the standard diagnostic work-up. The 'reference cohort' was a parallel group of patients who had the standard work-up (no LB). Tissue biopsy and reflex tissue NGS testing were done in both cohorts. ctDNA testing shortened the time to molecular results in the ctDNA cohort compared to the reference cohort (median, 14 vs 35 days; p = 0.01), the time from first respirology/thoracic surgery consult to molecular results (median, 22 vs 48 days respectively; p = 0.01), and the time from medical oncology consultation to initiation of first-line treatment (median, 12 vs 22 days; p = 0.01). In conclusion, in a publicly funded and single-payer healthcare system, ctDNA testing as part of the standard work-up for patients with aNSCLC provides molecular results significantly faster than tissue-based testing and shortens the time to treatment initiation.
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 ».