Antitumor Efficacy of Intravesical BCG, Gemcitabine, Interferon-α and Interleukin-2 as Mono- or Combination-Therapy for Bladder Cancer in an Orthotopic Tumor Model
Notice bibliographique
Résumé
OBJECTIVE: To reduce adverse effects and improve efficacy of intravesical BCG for bladder cancer, alternative treatment options were investigated in an orthotopic rat tumor model. METHODS: Superficial bladder cancer was established in syngeneic female rat bladders by instillation of AY-27 cells. Animals were randomly assigned to treatment groups including dose escalation of intravesical BCG with or without interferon-α (IFN-α) or interleukin-2 (IL-2); or graded doses of gemcitabine alone; or BCG plus gemcitabine. Treatments were given twice weekly for 3 weeks. Rats in control groups received saline instillations. Treatment response was monitored by animals' well-being, survival days, tumor growth inhibition, and histological examination at necropsy. RESULTS: Rats receiving monotherapy with intravesical BCG, gemcitabine, or IFN-α, attained significantly better survival and tumor reduction compared with control (P = 0.002; 0.001; 0.002, respectively, Log-rank Test). A dose-dependent treatment response was observed in animals with established bladder tumor receiving escalated BCG instillations. Only high-dose BCG significantly improved animal survival. Although high-dose BCG plus gemcitabine or IFN-α did not increase benefit over monotherapies, low-dose BCG plus IL-2 did show improved efficacy (P = 0.01). CONCLUSION: Intravesical monotherapies with gemcitabine and IFN-α were as effective as BCG for treatment of early non-muscle-invasive urothelial bladder cancer in this immune competent rat model. Combining these agents with high-dose BCG did not further increase efficacy. However, combining low-dose BCG with IL-2 enhanced BCG effectiveness.
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 | 0,001 |
| 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 | 0,001 |
| 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) | 0,001 | 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 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 ».