评估用于识别患有三级耐火性多发性骨髓瘤的患者的算法,使用现实世界的数据
Liliya Sinyavskaya1, Aster Meche2, Ariane Faucher1
1STATLOG Inc, Montreal, Canada.
Current medical research and opinion
|March 25, 2024
概括
在现实数据中识别三级耐火性 (TCR) 多发性骨髓瘤 (MM) 患者是具有挑战性的. 将国际骨髓瘤工作组 (IMWG) 的数据与医生报告相结合,显著增加了已确定的TCRMM患者的数量.
科学领域:
- 血液学 血液学 血液学
- 在瘤学瘤学.
- 现实世界的证据.
背景情况:
- 三级耐火性 (TCR) 多发性骨髓瘤 (MM) 呈现出严重的未满足的医疗需求,治疗选择有限.
- 针对复发性/耐药性MM的新批准的向疗法通常依赖单臂临床试验数据.
- 现实世界 (RW) 数据可以提高对治疗有效性的理解,并作为外部控制,但在RW环境中识别TCRMM患者是困难的.
研究的目的:
- 评估在现实世界电子健康记录 (EHR) 数据库中识别TCRMM患者的不同算法的有效性.
- 为了比较使用各种算法方法识别的TCRMM患者的特征.
- 为了确定结合国际骨髓瘤工作组 (IMWG) 衍生的进展和医疗保健提供者 (HCP) 报告的进展对患者队列大小的影响.
主要方法:
- 分析COTA EHR数据库的回顾性队列研究.
- 开发和应用四种不同的算法来定义耐火状态并识别开始TCR后治疗的TCRMM患者.
- 基于IMWG衍生和/或HP报告的进展标准的算法.
主要成果:
- 选择算法并没有显著改变确定的TCRMM患者的人口统计学,疾病或治疗特征.
- 使用IMWG衍生和医疗保健专家报告的进展组合,与单独使用IMWG衍生进展相比,增加了已识别的TCRMM患者队列大小高达70%.
- 总共有3815名新诊断的MM患者符合该研究的资格标准.
结论:
- 结合IMWG衍生数据和医生报告是识别TCRMM患者在现实环境中的可行策略.
- 这种综合方法提高了捕获TCRMM患者更大,潜在更具代表性的队列的能力.
- 在RW数据中更好地识别TCRMM患者可以支持更好地了解治疗结果和临床试验设计.
更多相关视频
09:41An Organotypic High Throughput System for Characterization of Drug Sensitivity of Primary Multiple Myeloma Cells
Published on: July 15, 2015
8.7K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
