Does gastric acid suppression affect sunitinib efficacy in patients with advanced or metastatic renal cell cancer?
Notice bibliographique
Résumé
INTRODUCTION: Renal cell cancer is a chemotherapy-insensitive cancer treated by vascular endothelial growth factor receptor antagonists. Recently, a question has arisen on whether there is an interaction between tyrosine kinase inhibitors, such as sunitinib, and acid suppressing agents. METHODS: A retrospective chart review was conducted for patients at two tertiary care centers who received sunitinib between 1 January 2006 and 31 March 2013. Using electronic systems and a province-wide electronic health records database, medication dispensing records were obtained. A univariate Cox's proportional hazard model determined if acid suppression had effects on progression-free survival and overall survival. RESULTS: Of 383 patient charts reviewed, 231 were included in the study. Patients on intermittent acid suppression, lost to follow-up or received sunitinib for less than one week were excluded from the study. The median age of the study population was 65. Patients who received no acid suppression (n = 186) had a median progression-free survival of 23.6 weeks (95% CI, 19.0-31.9 weeks) and patients who received continuous acid suppression (n = 45) had a median progression-free survival of 18.9 weeks (95% CI, 11.0-23.7 p = 0.04). A median overall survival of 62.4 weeks (95% CI, 42.0-82.7 weeks) was observed in the group with no acid suppression, while a median overall survival of 40.9 weeks (95% CI, 26.1-74.4 weeks) was observed in the continuous acid suppression group (p = 0.02). CONCLUSION: There was a significant difference in progression-free survival and overall survival between the acid suppressed and no acid suppression groups. Further research is required to confirm this potential interaction.
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 | 0,001 | 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».