Learning Experiences with Sunitinib Continuous Daily Dosing in Patients with Pancreatic Neuroendocrine Tumours
Notice bibliographique
Résumé
Molecular strategies to improve outcomes for patients with pancreatic neuroendocrine tumours (nets) have focused on targeting vascular endothelial growth factor, platelet-derived growth factor, and mtor (the mammalian target of rapamycin). This approach has led to the regulatory approval of two molecularly targeted agents for advanced pancreatic nets: sunitinib, a multi-targeted tyrosine kinase inhibitor, and everolimus, an mtor inhibitor. Initial experience with sunitinib in advanced pancreatic net was gained from the phase iii registration trial, which used a continuous daily dosing (cdd) schedule instead of daily drug administration for 4 consecutive weeks every 6 weeks (schedule 4/2), the approved schedule for advanced renal cell carcinoma (rcc) and gastrointestinal stromal tumour (gist). Clinical experience gained with schedule 4/2 in rcc and gist shows that, using a therapy management approach, patients can start and be maintained on the recommended dose and schedule, thus optimizing treatment outcomes. Here, we discuss challenges that can potentially be faced by physicians who use sunitinib on the cdd schedule, and we use clinical data and real-life clinical experience to present therapy management approaches that support cdd in advanced pancreatic net.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».