Clinical experience with erlotinib in non-small-cell lung cancer(NSCLC)
Notice bibliographique
Résumé
Lung cancer is the leading cause of cancer death worldwide. Despite the introduction of more- effective chemotherapeutic agents, it appears that a survival plateau has been reached, so new treatment strategies are clearly needed. One innovative therapeutic cancer strategy is the introduction of biological agents that target specific intracellular pathways related to the distinctive properties of cancer cells. Among these agents, epidermal growth factor receptor (EGFR)-targeting agents have received particular attention in lung cancer. Numerous EGFR blockers have been evaluated, including monoclonal antibodies to the receptor and small-molecule tyrosine kinase inhibitors. The present review focuses on the tyrosine kinase inhibitor erlotinib. Preclinical studies have shown that erlotinib blocks the growth of human non-small-cell lung cancer (NSCLC) cell lines in vitro by inhibiting the receptor and the downstream protein phosphorylation. In a randomized study conducted by the National Cancer Institute of Canada (BR.21) in second- and third-line NSCLC treatment, erlotinib significantly prolonged overall survival and decreased symptoms compared with placebo. A crucial aspect of the clinical development of molecular-targeted therapies is to understand which patients will obtain clinical benefit from their use. Sensitivity to erlotinib has been associated with EGFR mutations, most commonly deletions of four to six amino acids in exon 19 or a point mutation (L858R) in exon 21. Increased EGFR gene copy number has also been pointed out as a good predictive marker for erlotinib response. Intense research activity is ongoing to validate known predictive markers and to discover new tools which maximize clinical benefit using erlotinib. However, there is no conclusive evidence, as yet, linking response to survival.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».