EXECUTIVE SUMMARY Context and Policy Issues
Notice bibliographique
Résumé
Lung cancer is the second most common cancer in Canada and the leading cause of cancerrelated death. Non-small cell lung cancer (NSCLC) accounts for over 80 % of all lung cancer cases. Some cases of NSCLC are associated with an over-expression of the protein epidermal growth factor receptor (EGFR). Over-expression of EGFR is linked to a more aggressive disease and a poor prognosis. Treatment protocols for NSCLC are evolving to include emerging therapies such as EGFR tyrosine kinase inhibitors (TKIs). Mutations in the EGFR gene have been identified and proposed to be associated with high responsiveness to TKI treatment. This report focuses on the cost-effectiveness of polymerase chain reaction (PCR)-based methods used to detect the presence of EGFR mutations in patients with advanced NSCLC. The report provides an economic framework to guide future economic evaluations of EGFR mutation analysis, particularly focusing on assessing cost-effectiveness of EGFR mutation analysis for the first-line use of gefitinib for the treatment of advanced NSCLC. Disclaimer: This document is prepared by the Health Technology Inquiry Service (HTIS), an information service of the Canadian Agency for Drugs and Technologies in Health. The service is provided to those involved in planning and providing health care in Canada. HTIS responses are based
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 | 0,011 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,015 | 0,007 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,020 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,090 | 0,013 |
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 ».