A Pooled Analysis of Sequential Therapies with Sorafenib and Sunitinib in Metastatic Renal Cell Carcinoma
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the optimal sequence for the receptor tyrosine kinase inhibitors (rTKIs) sorafenib and sunitinib in metastatic renal cell cancer. METHODS: We performed a retrospective analysis of patients who had received sequential therapy with both rTKIs and integrated these results into a pooled analysis of available data from other publications. Differences in median progression-free survival (PFS) for first- (PFS1) and second-line treatment (PFS2), and for the combined PFS (PFS1 plus PFS2) were examined using weighted linear regression. RESULTS: In the pooled analysis encompassing 853 patients, the median combined PFS for first-line sunitinib and 2nd-line sorafenib (SuSo) was 12.1 months compared with 15.4 months for the reverse sequence (SoSu; 95% CI for difference 1.45-5.12, p = 0.0013). Regarding first-line treatment, no significant difference in PFS1 was noted regardless of which drug was initially used (0.62 months average increase on sorafenib, 95% CI for difference -1.01 to 2.26, p = 0.43). In second-line treatment, sunitinib showed a significantly longer PFS2 than sorafenib (average increase 2.66 months, 95% CI 1.02-4.3, p = 0.003). CONCLUSION: The SoSu sequence translates into a longer combined PFS compared to the SuSo sequence. Predominantly the superiority of sunitinib regarding PFS2 contributed to the longer combined PFS in sequential use.
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.
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) | 0,001 | 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 | 0,000 | 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 découle