Does IGFR1 inhibition result in increased muscle mass loss in patients undergoing treatment for pancreatic cancer?
Notice bibliographique
Résumé
BACKGROUND: IGF-1 plays a role in the growth of multiple tumor types, including pancreatic cancer. IGF-1 also serves as a growth factor for muscle. The impact of therapeutic targeting of IGF-1 on muscle mass is unknown. METHODS: We evaluated muscle mass at L3 in patients enrolled in a randomized phase II study of MK-0646 (M), a monoclonal antibody directed against the IGF-1 protein, in patients with metastatic pancreatic cancer (MPC). Two different doses of M were tested, 5 and 10 mg/kg. We used the Slice-o-matic (ver 4.3) software to segregate CT images into muscle and fat components and measured muscle area (cm(2)) at baseline and after 2 and 4 months of treatment. Patients received either gemcitabine with erlotinib (G + E), G + E + M, or G + M. Differences between the groups were compared using t tests. RESULTS: Fifty-three patients had both baseline and 2-month imaging available for analysis. Of these, 42 received M with their chemo, and 11 had G + E only. After 2 months of treatment, both groups demonstrated decrease in muscle mass. G + E patients lost 5.6 % of muscle mass; M patients lost 9.1 and 8.6 % after treatment with 5 and 10 mg/kg, respectively (p = 0.53). Patients demonstrating a response lost less muscle (median 4.6 %) than those with stable disease (9.6 %) and progressive disease (8.9 %, p = 0.14). Muscle retention from baseline to 2-month imaging, defined as loss of <6 cm(2) of muscle, correlated with better survival than those patients demonstrating a muscle loss (HR 0.51, p = 0.03). CONCLUSIONS: MPC patients can be expected to lose muscle mass even while having clinical benefit (PR or SD) from chemotherapy. Muscle loss correlated with a risk of study drop-out and death. There was a non-significant trend toward greater muscle mass loss in patients on anti-IGF-1R therapy. However, it is unclear if this loss translates into functional differences between patients.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».