Krooninen sairaus

tiivistelmä

Background

Tällä hetkellä on kiistanalaista optimaalinen tapa hoitaa potilaita, joilla on eturauhasen syöpä post-prostatektomia ympäristössä. Adjuvantti hoitojen kuljettaa mahdolliset hyödyt parantunut parantavaa tulosta, mutta on epävarmaa, jossa potilaille tulee antaa adjuvanttihoito. On huoli antavat myrkyllisyys kokonaisuutena väestön hyväksi ainoastaan ​​osaa. Oletimme, että tekemällä jälkeinen eturauhasen hoitopäätöksiä käyttäen genomiikka-pohjainen riski ennustus arvioiden parantaisi syöpä ja elämänlaatua tuloksia.

Methods

Olemme kehittäneet tilansiirron simuloi tuloksia yli 10 vuotta horisontin kohortin jälkeisen eturauhasen potilailla. Tulokset sisältyvät syövän etenemistä hinnat 5 ja 10 vuotta, kokonaiselinaika, ja laatu-oikaistu selviytymisen alennuksia hoidon sivuvaikutuksia ja syövän vaiheessa. Vertasimme tuloksia käyttäen väestötason versus yksilötason syöpäriskiä etenemisen, ja genomiikan hoitomuotoihin verrattuna tavanomaisen hoidon hoitosuosituksia.

Tulokset

Syöpä etenemistä tulosten odotetaan elinvuotta ( Lys), ja odotettu laatu-elinvuotta (QALY) olivat merkittävästi erilaiset, kun yksittäiset genomiikka-pohjainen syövän etenemisen riskiä arvioita käytettiin sijasta väestötason riskiarvioita. Käytä perimän luokittelija ohjaamaan hoitopäätöksiä edellyttäen pieni, mutta tilastollisesti merkitsevä, parannuksia mallissa tuloksia. Havaitsimme ylimääräinen 0,03 Lys ja 0,07 QALY, 12% suhteellinen kasvu 5 vuoden uusiutumista ilman taudin todennäköisyys, ja 4% suhteellinen väheneminen 5 vuoden todennäköisyys etäpesäkkeitä tai kuoleman.

johtopäätökset

käyttö genomiikan perustuvan riskin ennuste ohjaamaan hoitopäätöksiä voidaan parantaa tuloksia eturauhassyövän potilaille. Tämä tutkimus tarjoaa puitteet yksilöllistä päätösanalyysi, ja voidaan laajentaa sisällyttää monenlaisia ​​henkilökohtaiset ominaisuudet, jotta toimituksen potilaslähtöinen työkaluja tietoon päätöksenteossa.

Citation: Lobo JM, Dicker AP, Buerki C, Daviconi E, Karnes RJ, Jenkins RB, et ai. (2015) arviointi kliininen vaikutus Genomi luokittelijana Eturauhassyöpä käyttäminen Individualized Decision Analysis. PLoS ONE 10 (4): e0116866. doi: 10,1371 /journal.pone.0116866

Academic Editor: Natasha Kyprianou, University of Kentucky College of Medicine, Yhdysvallat |

vastaanotettu: 04 syyskuu 2014; Hyväksytty 15 joulukuuta 2014; Julkaistu: 02 huhtikuu 2015

Copyright: © 2015 Lobo et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään

Data Saatavuus: kaikki asiaankuuluvat tiedot kuuluvat paperin ja sen tukeminen Information tiedostoja.

Rahoitus: Tätä työtä tukivat tutkimuksen avustus GenomeDx Biosciences (genomedx.com/), sekä vuoden 2011 Eturauhassyöpä Foundation Young Investigator Award (TNS , www.pcf.org/) ja American Society for Radiation Oncology Vertaileva tehokkuus Research Award (TNS; www.astro.org). GenomeDx biotieteiden tuettiin muodossa palkkojen tekijöille CB ja ED, mutta ei ollut mitään ylimääräistä roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen. Erityinen roolit nämä kirjoittajat ovat muotoutuneet ”kirjoittaja maksujen osiossa.

Kilpailevat edut: Christine Buerki ja Elai Daviconi työskentelevät GenomeDx Biosciences, yksi rahoittajien tämän tutkimuksen. Timothy N. Showalter on saanut konsulttipalkkiot päässä GenomeDx Biosciences, Inc. erillistä hanketta. Ei ole olemassa patentteja, tuotteiden kehittämiseen, tai markkinoille tuotteita julistaa. Tämä ei muuta tekijöiden noudattaminen kaikki PLoS ONE politiikan tietojen jakamiseen ja materiaaleja, yksityiskohtaisena online-oppaassa tekijöille.

ESITTELY

Genomics perustuva syövän lääke tarjoaa mahdollisuuksia tarkkuus syövän hoitoon antamalla yksilöllisiä tietoja, että potilaat ja palveluntarjoajat voivat käyttää tehdä yksilöllisiä lääketieteellisiä päätöksiä [1,2]. Viimeaikaiset edistysaskeleet syövän genomiikan luoneet lukemattomia genomisen testejä saatavilla kliiniseen käyttöön, mutta on ollut vain vähän tutkimusta tehnyt, miten nämä genomista määrityksissä vaikuttaa tuloksiin syöpäpotilailla [3]. Kliininen hyöty näistä testeistä on myös osoitettava [3]. Yksi tapa, että genomista teknologia voi vaikuttaa kliinisiä päätöksiä lokalisoitu syöpä on tarjoamalla yksittäisiä arvioita syöpäriskiä etenemisen tai uusiutumisen [4]. Nämä yksittäiset arviot voivat sitten ilmoittaa päätöksiä vaihtoehtoja enemmän tai vähemmän aggressiivisia hoitoja [4].

Vaikka satunnaistetuissa kontrolloiduissa kokeissa osoittavat, että potilailla, joilla on haitallisia patologisia piirteitä post eturauhasen (HE) sai liitännäishoitona sädehoitoa (ART) yli havainto ovat parantuneet tulokset [5-9], määrien ART käyttöaste ovat alhaiset [10,11] ja post-prostatektomia sädehoitoa edelleen kiistanalainen [12,13]. Genomics-pohjainen riski kerrostuminen voi käsitellä kysymyksiä ART käytön seuraavien RP luomalla valintoja jälkeisten RP hoitoja, jotka perustuvat potilaan yksilöllisen ennustettu etäpesäkkeiden riski. Kyky riskien kerrostuvat sallii kliinikon ja potilaan valita jälkeinen RP hoito, joka on tehokkain että yksittäiset. Tällä hetkellä useita kaupallisesti saatavilla genomista määrityksiä, jotka voivat kerrostua eturauhassyövän riskiä aggressiivisuus [14]. Tutkimus kliinistä päätöksentekoa varten adjuvantti pelastetun hoitojen jälkeen RP on löytänyt genomista testitulokset johtivat urologit muuttaa hoitosuositusten yli 40% tapaustutkimuksia arvioitu [15]. Vaikka vaikutus kyseisistä testeistä päätöksenteko on huomattava, loppupään pitkäaikaisvaikutuksia genomi luokittelijan (GC) riskeihin perustuva tarkkuus lääketiede ei ole vielä arvioitu. Nykyinen tutkimus pyrkii käsittelemään tätä kuilua.

Vertaileva tehokkuutta tutkimuksen (CER) tarjoaa lupauksen arvioida uusia diagnostiikkatestit käytettäväksi genomi- ja tarkkuus lääketieteen [3,4] tuottamalla näyttöä tehokkuudesta ehdokas genomista määritykset nopeasti ja tehokkaasti. Yksilöllinen Päätös analyysimenetelmän avulla malleja edustaa vaikutusta yksilöllisiä arvioita syövän etenemisen upon väestötason tuloksia. Tämä menetelmä vuoksi on erityisen tärkeää yksittäisten ominaisuuksien ennustettuihin tuloksiin. Kehys voidaan laajentaa edelleen sisältää erilaisia ​​henkilökohtaiset ominaisuudet kuten samanaikaisia ​​sairauksia, kasvain genotyyppi, ja yksittäiset hyödyllisyys arvioiden [16].

Tässä tutkimuksessa kehitimme päätös analyyttinen lähestymistapa vertaa mallinnettu outcomes- luettuna odotettu aika ja laatu korjattu aika yli kymmenen vuoden aikajaksolla, ja 5- ja 10-vuoden syövän etenemistä hinnat-välillä skenaarioita ja ilman genomiikka-pohjainen riski. Tavoitteena Tämän lähestymistavan oli arvioida mahdollinen kliininen hyöty perimän testi tiedottamisen kliinisiä päätöksiä. Käytämme Decipher GC testi (GenomeDx Biosciences, San Diego, CA), validoitu genomista määritys, joka antaa yksittäisiä riskiarviolaskennasta etäpesäkkeiden (MET) jälkeen RP korkean riskin potilailla [17,18]. Hypoteesiemme ovat seuraavat: (1) yksilöllisesti MET todennäköisyydet muuttaa ennustaa tuloksia verrattuna keskimäärin väestötason MET todennäköisyyksiä, sillä huomattava osa eturauhassyöpäpotilaalla oikeutettuja ART, ja (2) paradigma genomiikan perustuva syövän lääke parantaa ennustettu tuloksia jälkeen RP verrattuna päätöksiin ilman GC-pohjainen riskinarviointi.

Materiaalit ja menetelmät

Suunnittelimme tilasiirtymän malli [19] arvioida laatuun suhteutettu elämän- odotettavissa kohortin miesten eturauhassyövän saaneiden RP (Fig. 1). Mallissa, miehet osoitetaan hoitoon joko aikaisin adjuvanttihoidon tai tarkkailu kanssa pelastaa hoitoa valittujen potilaiden jälkeen biokemiallisia toistumisen (BCR). Hoitovaihtoehtoja käytetään mallissa ovat sädehoito, hormonihoito, tai molemmat. Kun siirrytään BCR tai MET todetaan, potilailla, jotka ovat aiemmin saaneet hoitoa saavat kahden vuoden hormonihoidon. Yksittäiset aiheet tulevat mallin aikaan eturauhasen, ja poistu kuollessa tai loppuun 10 vuoden aikavälillä. Päätös puurakenne on kuvattu S1 kuvassa. Yhden kuukauden solusykliä käytettiin. Markovin malli tilasiirtymät ovat edustettuina kuviossa. 1. Mallia koodattu C /C ++. Mallin validointi on kuvattu Online tukeminen Information tiedostoja (katso S1 Text).

NED edustaa potilailla, joilla ei todisteita taudista.

Kohortti simulointi lähestymistapaa sovellettiin, kahdella ikäluokat RP potilaiden käytetään näytteenotossa populaatiot. Jokaisen vertailun kokeissa, käytimme bootstrap näytteistämismenetelmä korvausinvestointeihin valita kullekin potilaalle läpi malliin. Toteutimme pariksi näyte kulkee arvioida keskimääräistä laatuerot-elinvuotta (QALY) kunkin vertailun. Valitsimme otoskoko 10000 varmistaa arvio odotetaan QALY sisällä 0,1 QALY.

Kohorteissa

Taulukossa 1 esitetään kaksi erillistä ikäluokat, joita käytettiin kokeissa. Mayo Clinic kohortin perin raportoitu GC validointi koostuu hoidettujen potilaiden RP vuosien 2000 ja 2006 Mayo Clinic jotka oli yksi tai useampia liian patologian ominaisuuksia [17]. Kontrollit asiakirja-kohorttitutkimuksessa otettiin reweighted [20] (joiden paino on 5) tarkemmin edustaa vakavuus sekoitus Yhdysvaltojen väestöstä jälkeisen RP potilaille, tuottaen simulointi kohortin 808 potilailla, joilla on GC riski todennäköisyyksillä edustavat vaara MET viisi vuotta. Tämä reweighted kohortti peilaa Mayo Clinic Cohort validointitutkimusta [17] suoritetaan GC ja tarkemmin edustaa osuudet tapauksia nähdään väestössä yleensä. Thomas Jefferson University (TJU) kohortti koostuu 139 potilasta GC riski todennäköisyyksillä käsiteltiin RP ja leikkauksen jälkeisen säteilyn vuosien 1990 ja 2009 TJU sairaalassa [21]. Jokaisen potilaan kunkin kohortin malli käyttää: ikä klo RP määritellä ikävakioidun todennäköisyys kuin syöpään kuolleisuus, 95% luottamusväli 5 vuoden etäpesäkkeiden riski, ja riski määritelty asema GC joko pienempi tai suurempi kuin kuuden prosentin keskimääräinen riski etäpesäke, kynnyksen erilaiset hoitopäätöksiä perustuu DECIDE tutkimuksen [15]. Nämä yksittäiset-tason tiedot ovat käytettävissä (S1 Data).

Model Tulot

lähteet panoksia tunnistettiin perustuen yksityiskohtaisen tarkastelun äskettäin julkaistun päätöksen analyysin ART versus pelastaa säteilylle terapia (SRT) [22] ja PubMed-haun käyttämällä termejä ”eturauhassyöpä”, ”sädehoito”, ”hormonihoito”, ja ”pelastaa” tai ”adjuvantti”; ja sisällyttäminen julkaistut tulokset kolmesta Satunnaistetuissa kontrolloiduissa kliinisissä tutkimuksissa ART versus havainto [5-8]. Todennäköisyydet BCR ja MET poimittiin kirjallisuudesta. Tiedot koskevat GC testin suoritusarvoja saatiin julkaistusta kirjallisuudesta [15,17,18] (S1 taulukko). Malli on suunniteltu olettaen, että GC riski ennuste oli täysin tarkka yksinkertaisuuden vuoksi. On kuitenkin huomattava, että alla oleva pinta-vastaanotin toimii ominaiskäyrä (AUC) GC testi on 0,79 [17], mikä viittaa siihen, joitakin luontaisia ​​epävarmuutta. Oletettiin myös, että hoitotoimenpiteiden oli sama suhteellinen vaikutus tuloksiin riippumatta suuruudesta riskin puuttumisen vuoksi jälkikäsittelyn hoitotuloksia todisteita ositettu GC määrittämiä etäpesäkkeiden riski. Todennäköisyydet vuotuinen kuolemanriski johtuu muista syistä kuin eturauhassyövän perustuivat viimeisimmän Centers for Disease Control and Prevention elämän taulukot [23], jossa säätö yksittäisten aiheista Ikään perustuva klo eturauhasen ja aikana 10-vuotisen aikajänteellä (S1 taulukko). Koska GC määritys on uusi ja tietoa siitä, miten GC tuloksiin vaikuttavat reaalimaailman kliininen käytäntö ei ole vielä saatavilla, GC riski riippuvaa hoitoon päätös todennäköisyydet perustuivat DECIDE tutkimuksen [15] (S2 taulukko). Vuonna DECIDE tutkimuksessa GC määrittämä etäpesäkkeiden riski suurempi kuin 6% liittyi korkeampia urologit suositellaan ART tai SRT [15], joten 6% oli käytettäväksi kynnysarvo GC perustuvaa hoitoa päätöksiä nykyinen malli.

komplikaatiot ja haittavaikutukset

hoito-riippuvainen todennäköisyyksiä BCR, MET, ja kuolema eturauhassyöpään sekä todennäköisyydet komplikaatioiden vuoksi hormonihoito ja sädehoitoa on esitetty S1 taulukossa. Nämä todennäköisyydet ovat todennäköisyydet näiden tapahtumien johdu ainoastaan ​​näitä hoitoja eikä muita hoitoja potilas mahdollisesti saanut myös RP.

Utilities

apuohjelma on arvo, joka on määritetty perustuen yksittäisen potilaan mieltymys tiettyyn terveydentilasta, ja mahdolliset arvot vaihtelevat nollasta (kuolema) yhteen (täysin terve). Utility arvoja julkaistusta kirjallisuudesta edustavat keskiarvoa mieltymyksiä terveillä miespuolisilla potilailla, jotka ovat suorittaneet aika kompromissi kokeita määrittää, kuinka paljon aikaa he uhrata välttää tietyn terveydentilan [24]. Voimayhtiöt liittyvät kunkin komplikaatio sekä terveys- ja hoito valtion laitokset esitetään S1 taulukossa. Potilaille tietyssä terveydentilan, jotka saavat myös hoitoa ja /tai ovat syntyneet komplikaatio, potilaan apuohjelma lasketaan kertomalla apuohjelmia. QALY lasketaan kertomalla aika (vuosissa), jonka hyödyllisyys; yksi QALY vastaa yhden vuoden täysin terve tai kahden vuoden elänyt hyödyllisyys arvoon 0,5. Päätimme käyttää diskonttaamattomien QALY koska meidän analyysi ei sisällä kustannuksia [25].

herkkyysanalyysi

Yksisuuntainen herkkyys analyysi suoritettiin määrittämään, kuinka herkkiä tulokset olivat muutoksille keskeisiä parametreja. Me yksitellen vaihtelivat siirtymisen todennäköisyyksiä, tapahtuma todennäköisyydet, ja hyödyllisyys arvioiden ± 10% selvittää vaikutukset odotettavissa QALY. Todennäköisyyspohjaiset herkkyysanalyysi tehtiin myös näiden parametrien. Hoito päätös todennäköisyydet, alle tavanomaisen hoidon ja ne perustuvat GC riskien todennäköisyydet vaihdeltiin määrittämään vaikutuksen odotetaan elinvuotta (Lys), QALY, ja kliinisiä tuloksia. Kun vaihtelemalla käsittely todennäköisyydet suhteellinen todennäköisyydet kunkin hoidon pysyi samana, mutta niiden potilaiden prosenttiosuus, havaintoihin muutettiin olevan 20% enemmän tai vähemmän kuin pohja arvot absoluuttisesti kanssa enimmäisvoittoprosentti havaintoihin ollessa 100% ja pienin ollessa 0%.

tilastollinen vertailu

Pariksi näyte simulaatioita luodaan jokaista verrattuna vaihtelun vähentämiseksi. Parillista t-testejä käytettiin onko erot odotettavissa LYS ja QALY olivat merkittäviä. Meillä syntyy binomisuhteelle luottamusvälit verrata kliinisiä tuloksia kunkin vertailun. McNemarin testiä käytettiin määrittämään jos erot nämä tulokset olivat merkittäviä. Kaplan-Meier arvion yleisestä todennäköisyydet BCR ja MET 5 vuoden käytettiin validointitarkoituksiin.

TULOKSET

Olemme kehittäneet mallin sekä väestötason todennäköisyydet kirjallisuudesta ja yksilö- tason todennäköisyydet perustuvat GC riskin todennäköisyys-potilaan 5 vuoden etäpesäkkeiden riski. Yksittäisille tason todennäköisyyksiä, kuukausittain todennäköisyydet BCR ja MET muuttuivat kuukausittain väestötason todennäköisyydet vastaamaan potilaan yksilöllisen 5 vuoden etäpesäkkeiden riski. Muutoksia tehtiin perustuu oletukseen, että yksilön kuukausittain todennäköisyydet ja 5 vuoden etäpesäkkeiden riski on suhteessa väestöön tason kuukausittain todennäköisyydet ja malli-ennusti 5 vuoden etäpesäkkeiden riski.

arvo Sisältävät heterogeenisuus

Huomasimme, että tulokset vaihtelevat hoitotuloksia kun yksilölliset todennäköisyyksiä käytetään sijasta väestötason todennäköisyydet. Sillä Mayo Clinic kohortin väestöstä tason LYS arvioitiin olevan 8,88 (95% CI: (8,84, 8,93)) ja QALY arvioitiin kuin 8,00 (95% CI: (7,95, 8,05)) verrattuna 8,82 Lys (95 % CI: (8,77, 8,87)) ja 8,03 QALY (95% CI: (7,98, 8,08)) varten yksilöllistä mallia. Taulukossa 2 on esitetty havaittu merkitseviä eroja kaikkien 5- ja 10-vuoden BCR-vapaa todennäköisyydet ja MET tai kuoleman todennäköisyydet.

TJU kohortin väestöstä tason LYS arvioitiin olla 9,10 (95% CI: (9,05, 9,14)) ja QALY arvioitiin kuin 8,18 (95% CI: (8,13, 8,22)) verrattuna 9,04 Lys (95% CI: (8,99, 9,08)) ja 8,19 QALY (95 % CI: (8,15, 8,24)) varten yksilöllistä mallia. Kuten taulukosta 2, merkittäviä eroja ei löytynyt 5- ja 10-vuoden BCR-vapaa todennäköisyydet ja MET tai kuoleman todennäköisyydet.

väestötason mallineversio arvion suuremman odotettavissa Lys ja hieman pienempi QALY verrattuna siihen, kun yksilölliset todennäköisyydet käytetään. Nämä erot ja erot BCR ja MET tuloksia esiintyy siitä huolimatta, että molemmat versiot mallin sisällyttää ikävakioidun arvioita todennäköisyyttä muista syistä johtuvat kuolemat.

Influence of Genomics-Based Päätökset

Käytimme heterogeeninen mallineversio verrata genomitutkimus perustuvia hoito päätöksiä tavanomaisen hoidon hoitopäätöksiä. Sillä Mayo Clinic kohortin GC-pohjainen hoito johti enemmän odotetaan Lys-8,85 vs. 8,82 (p 0,001) -ja suurempi odotettua QALY-8,10 vs. 8,03 (p 0,001). Sillä TJU kohortin GC-pohjainen hoito johti enemmän odotetaan Lys-9,07 vs. 9,04 (p 0,001) -ja suurempi odotettua QALY-8,25 vs. 8,19 (p 0,001). Lisäksi taulukosta 3 nähdään, että 5- ja 10-vuoden tuloksia BCR ja MET ovat merkittävästi paremmat alle GC perustuvaa hoitoa lukuun ottamatta 5 vuoden todennäköisyys MET tai kuolemaan Mayo Clinic Cohort.

myös tarkkailla kuviosta. 2, että vaikka hoito tapahtuu aikaisemmin keskimäärin (johtuen suurempi osa potilaista, jotka saivat adjuvanttihoito) BCR myöhäisempi alle GC perustuvaa hoitoa kuin tavanomaisen hoidon hoito harkittaessa Lys ja QALY. Sama pätee TJU Kohortin tulokset on esitetty S2 kuviossa. Tämän seurauksena potilaat alle GC-pohjainen hoito käytetty enemmän aikaa mitään tautiin (NED) kliininen tila. Sillä Mayo Clinic kohortin keskimääräinen aika NED alle genomiikan hoitomuotoihin on 7.74 Lys verrattuna 7,59 Lys alle tavanomaisen hoidon (p 0,001); että TJU Cohort keskimääräinen aika NED alle genomiikan hoitomuotoihin on 7.84 Lys verrattuna 7,70 Lys alle tavanomaisen hoidon (p 0,001). Herkkyys analyysitulokset on esitetty S3 kuvassa. ja S3 Taulukko.

BCR = biokemiallisten uusiutuminen; NED = mitään tautiin; GC = genomista luokittelija.

KESKUSTELU

Olemme kehittäneet päätöksen analyyttinen malli on suunniteltu arvioimaan vaikutuksen yksilöllisen todennäköisyyksien etäpesäkkeiden jälkeen RP tuloksiin. Havaitsimme, että sisällyttämällä yksittäisiä GC riski panostietoina riski sairastua MET verrattuna väestöön tason arvot, johti erilaisiin tuloksiin. Tämä viittaa siihen, että tutkittaessa yksilöllistä panosten sairauden etenemisen voi tarkentaa arvioita kehitetty päätös analyyttinen menetelmiä. Käyttö GC riski ohjaamaan hoitopäätöksiä liittyi pieni, mutta merkittävä, nousu LYS, QALY, ja vietetyn ajan NED esi- ja jälkikäsittelyä todetaan, sekä parantunut 5- ja 10-vuoden tuloksia. Tietääksemme tämä on ensimmäinen julkaistu raportti käyttää yksilöllistä päätöstä analyysimenetelmän arvioida kliininen hyöty on genomiikan perustuvan riskin kerrostuminen määrityksessä eturauhasen syöpä. Tämä CER lähestymistapa tarjoaa mahdollisena mallina arvioimiseksi kliininen hyöty tahansa genomista analyysin tuloksena, kun mahdollinen kliinisiin tuloksiin tietoja ei ole vielä saatavilla.

Nämä havainnot viittaavat siihen, että otetaan huomioon yksittäisten GC riski todennäköisyyksiä jälkeen eturauhasen voi parantaa hoitotuloksia eturauhassyövän potilailla. Kliininen merkitys on lähinnä nähdään tilastollisesti merkittäviä parannuksia 5- ja 10-vuoden todennäköisyyksiä BCR, MET, ja kuolema. Lisäksi suuruus hyötyä QALY havaittu olevassa tutkimuksessa on samanlainen kuin raportoitu genomisen prognostisissa määrityksissä on suunniteltu tiedottamaan adjuvanttihoitoa päätöksiä rinta- ja paksusuolen syövän, mukaan lukien OncotypeDX Breast Cancer Test (Genomic Health Inc., Redwood City, CA), joka on tällä hetkellä kliinisessä käytössä [26-28]. Herkkyysanalyysi osoittaa, että aggressiivinen käyttö meripelastus ja adjuvanttia hoitojen korkean GC tulokset voisivat laajentaa havaittu nousua QALY jopa 0,08 QALY. Tämä antaa lisänäyttöä siitä, että käyttö genomista riski kerrostumista määrityksissä ohjaamaan hoitopäätöksiä voi parantaa tuloksia.

Tutkimuksessa rakennetaan tietopohjaa genomiikan perustuva eturauhassyövän hoito arvioimalla mahdollisia alavirran kliininen hyöty genomista määritys on suunniteltu tarjoamaan yksilöllistä ennustuksia etäpesäkkeiden riski. Ennen raportit osoittivat, että olisi harkittava potilaan mieltymys hoitotuloksia verrattaessa eturauhassyöpälääkkeille käyttäen päätöksen analyyttistä menetelmää [16,29,30]. Nykyisessä tutkimuksessa olemme laajentaneet yksilöllisen päätösanalyysi puitteet sisällyttää henkilökohtainen GC riski tulokset henkilökohtaista tuloa päätöksessä analyysin adjuvanttia ja pelastaa hoitojen eturauhassyöpää. Tämä metodologia voi olla hyödyllinen lähestymistapa edustaa heterogeenisuus potilaiden muodossa genomiikan määritellyt todennäköisyydet hoitotulosten, ja heuristinen malli voidaan laajentaa sisältämään monenlaisia ​​henkilökohtaiset ominaisuudet lisäksi kasvaimen genomiikka.

päätös analyysimallit rajoittavat laatua ja tarkkuutta malli panoksia. Voimayhtiö tulot käytetään nykyisessä mallissa saatiin julkaistusta kirjallisuudesta ja sisällytettiin malliin väestön keskiarvoja. Aikaisemmin on osoitettu, eturauhassyövässä että väestötason apuohjelma arvioiden tuloksena päätösanalyysi suosituksia, jotka eroavat käyttävät yksilöllisiä hyötyarvoja [16,29,30]. Tämä oli kuulu nykyisen tutkimuksen ja sisällyttäminen yksilöllisiä hyödyllisyys arvioiden olisi esittänyt erillisen luettelon metodologisia haasteita [31]. Lisäksi parannuksia havaittujen tulosten nykyisessä tutkimuksessa on punnittava tarjoamisen lisäkustannukset genomiikka perustuva syövän hoitoon. Yksityiskohtainen kustannustehokkuuden analyysi GC määrityksen ei kuulu tämän raportin, mutta on tutkitaan edelleen ryhmämme.

Tällä hetkellä taso en todisteita ei ole saatavilla koskien suhteellisen tehokkuuden adjuvanttia ja pelastaa eturauhassyövän hoitoon potilailla, joilla on korkea verrattuna alhainen GC riski todennäköisyydet mutta näitä tietoja voitaisiin tarkentaa arvioita hoidon onnistumisen ja edelleen vaikutus ennustaa tuloksia. Pohjimmiltaan GC määritys uudelleenluokittelee yksittäisten potilaiden perustuvat riski etäpesäkkeitä, järjestetään yksilöllistä tietoa, joka voi ohjata terapeuttisia päätöksiä. Näin GC määritys saattaa muodostaa perustan virtaviivaistaa ja hioa päätöksentekoa varten ART ja SRT eturauhassyövän potilailla, alue paljon kiistelyä ja epävarmuutta nykyajan kliinisessä käytännössä [32-34]. Onko tämä johtaa alavirran paranemiseen eturauhassyövän kuolleisuudessa, liittyvät osittain käytettävissä tehokkaita hoitoja estää etäpesäkkeiden. Kuitenkin GC määritys voi ainakin tekemään määrää keino määritellä niille potilaille, joilla etäpesäkkeiden riski on pieni, jotka voidaan säästynyt myrkyllisyyttä ART. Yksi rajoitus nykyinen malli on oletus, että adjuvantti pelastetun hoitoja on samanlainen suhteellinen tehokkuus riippumatta GC riskin. Suhteellinen tehokkuus adjuvanttia ja pelastaa hoitoja suuremman ja pienemmän riskin potilailla odotettaisiin vaikuttavat myös mallin tuloksiin. Olemme käsitelleet tätä rajoitusta altistamalla tehokkuutta apuaine pelastetun hoito (eli todennäköisyys uudelleenjako on NED tila) ja todennäköisyys hoidon perustuvat GC pisteet herkkyysanalyyseja. Mallimme myös oletettu täydellinen suorituskykyä GC testin, vaikka joitakin luontaisia ​​epävarmuutta määrityksessä n ennusteen todennäköisyys etäpesäkkeitä 5 vuotta RP [17]. On epätodennäköistä, että tämä vaikutti mallin tulokset, jotka olivat vankka monenlaisiin yksisuuntainen herkkyysanalyyseja sekä todennäköisyyspohjaisiin herkkyysanalyysi.

havainnot viittaavat siihen, että genomista riski todennäköisyydet tarjota tilastollisesti merkittävää kliinistä hyötyä eturauhassyövän potilaat joutuvat päätöksiä toisen linjan hoito jälkeen eturauhasen. Tämä näkyy läpi parannuksia havaittiin Lys, QALY, ja todennäköisyydet BCR, MET, ja kuoleman kun hoito tehtiin perustuvat GC riski sijaan tavanomaisen hoidon. Meidän sovellus Yksilöllisten päätöksen analyysi osoittaa hyödyllisyydestä CER arvioimiseksi kliininen hyöty genomiikka perustuvan riskin ennustaminen määrityksiä. Tulevaisuuden sovellukset yksilöllisiä päätöksen analyyttinen menetelmiä tarkkuus lääketieteen diagnostiikan tulisi sisältää seuraavat: arvioinnin kustannustehokkuuden; sisällyttäminen myös muuta tason ominaisuuksia kuten muut kliiniset ja patologiset tekijät, lääketieteen perussairaus, ja genomiikka-pohjainen ennustavat normaalin kudoksen vamman tai hoitovaste; ja potilaiden mieltymyksiä varten hoitovaihtoehtoja. Nämä ylimääräiset näkökohdat voivat luoda päätösanalyysin kehys, joka on kattava alustan henkilökohtaisen lääketieteen.

tukeminen Information

S1 teksti. Validointi ja Herkkyysanalyysi.

Osio sisältää täyden yksityiskohdista herkkyysanalyysi.

Doi: 10,1371 /journal.pone.0116866.s001

(DOCX) B S1 Data. Yksilötason tietoja potilaan ikä ja genomisen luokittelija-ennusti 5 vuoden todennäköisyys etäpesäkkeitä varten kohorttien arvioitiin tässä mallissa.

Nämä tiedot käsittävät yksilöllisen panoksia päätöksen analyyttisen mallin.

Doi: 10,1371 /journal. pone.0116866.s002

(XLS) B S1 Kuva. Päätös puurakenne jälkeisen radikaali prosatectomy päätöksentekoprosessiin.

Pelastus ja sädehoidon varret (merkitty Meripelastus Tx ja adjuvantti Tx) kukin edustaa hoidot sädehoito, hormonihoito, ja säteily ja hormonihoito.

Doi : 10,1371 /journal.pone.0116866.s003

(TIFF)

S2 Kuva. Aika elinvuosien (LYS) valtioissa (Osakuvassa A), ja laatu elinvuosina (QALY) valtioissa (Osakuvassa B) TJU Cohort.

BCR = biokemiallisten uusiutuminen; NED = mitään tautiin; TJU = Thomas Jefferson University; GC = genomista luokittelija.

Doi: 10,1371 /journal.pone.0116866.s004

(TIFF)

S3 Fig. Vaikutukset QALY muutosten todennäköisyys arvoja +/- 10% Mayo Clinic Cohort.

GC perustuvaa hoitoa viittaa hoitoon päätöksiin perustuvat genomiseen riski luokittelija määrityksessä. BCR = biokemiallisten uusiutuminen; GC = genomista luokittelija.

Doi: 10,1371 /journal.pone.0116866.s005

(TIFF) B S1 Taulukko. Siirtyminen todennäköisyys ja hyödyllisyys tulot käytetään ryhmä-tasotuloa mallin.

Kun potilaat ovat hoidon, terveyden tila apuohjelma kerrotaan hoitoon valtion apuohjelma. Sitaatit ovat mukana [5, 8, 22-24, 37-42], sekä muistiinpanoja selittää kun todennäköisyydet ja apuohjelmat sovelletaan mallin sisällä. Ellei toisin todetaan, alue käytettiin herkkyysanalyysissä oli 10% korkeampi ja alempi kuin tulon arvo.

Doi: 10,1371 /journal.pone.0116866.s006

(DOCX)

S2 Taulukko. Hoito päätös todennäköisyydet adjuvantti pelastetun hoitoja.

Tavanomaista hoitoa todennäköisyydet ovat peräisin julkaistusta kirjallisuudesta [10,11,35-37], ja heijastaa todennäköisyys saada hoitoa tavallisissa hoitotilanteissa. Vaihtoehtona, genominen-luokittelija pisteet perustuvaa hoitoa todennäköisyydet olivat peräisin julkaisusta, arvioida lääkärin hoitosuositukset perustuvat genomiseen luokittelija testi. Sillä hoitopäätöksiä perimän luokittelija riski tulokset pidettiin joko alhaisen riskin tai suuren riskin perusteella kynnyksen arvioitu riski kaukainen etäpesäke 6% 5 vuotta, sopusoinnussa havaittu vaikutus genomista luokittelija riskin pistemäärän urologit ”suosituksiin PÄÄTTÄMÄÄN tutkimuksessa [15]. Sillä Herkkyysanalyysien erilaisia ​​+/- 20% käytettiin hoidon taso havainto päätösten arvioida epätarkkuuksia lähtötilanteessa arvioihin; erilaisia ​​+/- 20% käytettiin genomista luokittelija riskiluvun perustuva havainto hoidon todennäköisyyksien mallintaa vaikutukset enemmän tai vähemmän aggressiivisia sisällyttäminen genomista riskitietojen kliiniseen käytäntöön. * Standard hoidon hoito käyttöasteet valittiin kokeellisesti yhdistelmä asiantuntijalausunnon ja julkaisuja sädehoitoa hyödyntämisen jälkeen eturauhasen [10,11, 35-37]. GC = genomista luokittelija.

Doi: 10,1371 /journal.pone.0116866.s007

(DOCX)

S3 Taulukko. Herkkyysanalyysi tulokset Mayo Clinic Cohort kun vaihteleva hoitosuosituksen aggressiivisuus.

GC = genomista luokittelija.

Doi: 10,1371 /journal.pone.0116866.s008

(DOCX) B

Suositukset

1. Garraway LA, Verweij J, Ballman KV (2013) Precision onkologian: yleiskatsaus. J Clin Oncol 31: 1803-1805. doi: 10,1200 /JCO.2013.49.4799. Teorian 23589545

Katso uutiset

PubMed /NCBI

Google Scholar

2. Garraway LA (2013) Genomics-odotuksiin syöpätautien: puitteet kehittymässä paradigman. J Clin Oncol 31: 1806-1814. doi: 10,1200 /JCO.2012.46.8934. Teorian 23589557

Katso uutiset

PubMed /NCBI

Google Scholar

3. Simonds NI, Khoury MJ, Schully SD, Armstrong K, Cohn WF, et al. (2013) Vertaileva tehokkuutta tutkimuksen syövän genomiikan ja tarkkuus lääketieteen virtaukset maisema ja tulevaisuudennäkymät J Natl Cancer Inst 105: 929-936. doi: 10,1093 /JNCI /djt108. Teorian 23661804

Katso uutiset

PubMed /NCBI

Google Scholar

4. Goddard KAB, Knaus WA, Whitlock E, Lyman GH, Feigelson HS, et al. (2012) Näytön kokoaminen päätöksentekoa varten syövän genomista lääketieteessä käyttäen suhteellista tehokkuutta tutkimus. Genet Med 14: 633-642.