Trends in treatment patterns and survival outcomes in advanced non-small cell lung cancer: a Canadian population-based real-world analysis
Notice bibliographique
Résumé
Abstract Background As part of the multi-country I-O Optimise research initiative, this population-based study evaluated real-world treatment patterns and overall survival (OS) in patients treated for advanced non-small cell lung cancer (NSCLC) before and after public reimbursement of immuno-oncology (I-O) therapies in Alberta province, Canada. Methods This study used data from the Oncology Outcomes (O2) database, which holds information for ~ 4.5 million residents of Alberta. Eligible patients were adults newly diagnosed with NSCLC between January 2010 and December 2017 and receiving first-line therapy for advanced NSCLC (stage IIIB or IV) either in January 2010-March 2016 (pre–I-O period) or April 2016-June 2019 (post–I-O period). Time periods were based on the first public reimbursement of I-O therapy in Alberta (April 2017), with a built-in 1-year lag time before this date to allow progression to second-line therapy, for which the I-O therapy was indicated. Kaplan–Meier methods were used to estimate OS. Results Of 2244 analyzed patients, 1501 (66.9%) and 743 (33.1%) received first-line treatment in the pre–I-O and post–I-O periods, respectively. Between the pre–I-O and post–I-O periods, proportions of patients receiving chemotherapy decreased, with parallel increases in proportions receiving I-O therapies in both the first-line (from
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».