Dual VEGF/VEGFR inhibition in advanced solid malignancies
Notice bibliographique
Résumé
Our prior phase I study of the combination of vascular endothelial growth factor (VEGF) antibody, bevacizumab, and VEGF receptor (VEGFR) inhibitor, sunitinib, in advanced solid tumors identified an encouraging response evaluation. An expansion phase of this study was thus undertaken to obtain further safety data, response assessment and characterization of pharmacodynamic biomarkers in melanoma, renal, and adrenal carcinoma patients. Patients with metastatic solid tumors received sunitinib (37.5 mg/d, 4 wk on/2 wk off) and bevacizumab (5 mg/kg intravenously every 2 wk). Responses were assessed every 2 cycles. Serum levels of angiogenic molecules were measured using ELISA assays. Twenty-two patients were enrolled, including 11 melanoma, 5 renal cell carcinoma (RCC), 5 adrenal cancer, and 1 angiosarcoma. Grade 3 or higher adverse events were observed in 15 patients, including hypertension (41%), thrombocytopenia (23%), and fatigue (14%). Three RCC patients, and 1 melanoma patient developed thrombotic microangiopathy (TMA). Partial response (PR) occurred in 21% patients, including melanoma (2), adrenal (1), and renal (1) carcinomas. Overall, 6 patients demonstrated some reduction in their tumor burden. Serum VEGF and several other proangiogenic proteins declined over the first 4 wk of treatment whereas the putative VEGF-resistant protein, prokineticin-2, increased over 10-fold. Occurrence of TMA related to dual VEGF/VEGFR inhibition can result from systemic or nephron specific injury even in non-renal malignancies. While the combination of sunitinib and bevacizumab was clinically efficacious in renal cell carcinoma and melanoma, the observance of microangiopathy, even in non-RCC patients, is a significant toxicity that precludes further clinical development.
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 ».