Incidence and Risk of Congestive Heart Failure in Patients With Renal and Nonrenal Cell Carcinoma Treated With Sunitinib
Notice bibliographique
Résumé
PURPOSE: Sunitinib is a multitargeted receptor tyrosine kinase inhibitor approved for treatment of renal cell carcinoma (RCC) and GI stromal tumor. Congestive heart failure (CHF) is an important adverse effect that has been reported with sunitinib, but overall incidence and relative risk (RR) remain undefined. We performed an up-to-date meta-analysis to determine the risk of developing CHF in patients with both RCC and non-RCC tumors treated with sunitinib. METHODS: Medline databases were searched for articles published between January 1966 and February 2011. Eligible studies were limited to phase II and III trials of sunitinib with adequate safety reporting in patients with cancer of any tumor type. Summary incidence, RR, and 95% CIs were calculated using random- or fixed-effects models based on the heterogeneity of included studies. RESULTS: A total of 6,935 patients were included. Overall incidence for all- and high-grade CHF in sunitinib-treated patients was 4.1% (95% CI, 1.5% to 10.6%) and 1.5% (95% CI, 0.8% to 3.0%), respectively. RR of all- and high-grade CHF in sunitinib-treated patients compared with placebo-treated patients was 1.81 (95% CI, 1.30 to 2.50; P < .001) and 3.30 (95% CI, 1.29 to 8.45; P = .01), respectively. On subgroup analysis, there was no difference observed in CHF incidence for patients with RCC versus non-RCC or in trials with or without cardiac monitoring. No evidence of publication bias was observed. CONCLUSION: Sunitinib use is associated with increased risk of CHF in patients with cancer.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 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 | 0,001 | 0,002 |
| 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 ».