Phase II Study of Preoperative Gefitinib in Clinical Stage I Non–Small-Cell Lung Cancer
Notice bibliographique
Résumé
PURPOSE: Epidermal growth factor receptor (EGFR) tyrosine kinase inhibitors (TKIs) have proven efficacy in advanced non-small-cell lung cancer (NSCLC). Their role in early-stage NSCLC has not been established. Our purpose was to explore the use of preoperative gefitinib in clinical stage I NSCLC to assess tumor response, toxicity, and clinical and molecular predictors of response. PATIENTS AND METHODS: Patients received gefitinib 250 mg/d for up to 28 days, followed by mediastinoscopy and surgical resection in an open-label, single-arm study. Tumor response was evaluated by Response Evaluation Criteria in Solid Tumors. Blood samples and tumor biopsies were collected and analyzed for transforming growth factor alpha level, EGFR protein expression, EGFR gene copy number, and EGFR (exon 19 to 21) and KRAS mutations. RESULTS: Thirty-six patients completed preoperative treatment (median duration, 28 days; range, 27 to 30 days). Median follow-up time is 2.1 years (range, 0.86 to 3.46 years). Three patients experienced grade 3 toxicities (rash, diarrhea, and elevated ALT). Tumors demonstrated EGFR-positive protein expression in 83%, high gene copy number in 59%, EGFR mutations in 17%, and KRAS mutations in 17%. Tumor shrinkage was more frequent among women and nonsmokers. Partial response was seen in four patients (11%), and disease progression was seen in three patients (9%). The strongest predictor of response was EGFR mutation. CONCLUSION: Preoperative window therapy with gefitinib is a safe and feasible regimen in early NSCLC and provides a trial design that may better inform predictors of treatment response or sensitivity.
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) | 0,002 | 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 | 0,001 |
| 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 ».