Current management and future perspectives of metastatic renal cell carcinoma
Notice bibliographique
Résumé
Over the last number of years, the treatment of metastatic renal cell cancer has evolved tremendously with the advent of targeted therapy. Previously, immunotherapies, such as interferon alpha and interleukin-2, were the only treatment options available for this chemoresistant malignancy. Currently, seven additional agents, including sunitinib, sorafenib, axitinib, pazopanib, bevacizumab, everolimus and temsirolimus, have been approved for use in metastatic renal cell cancer, with several more in development. The efficacy of these agents depends primarily on inhibition of the vascular endothelial growth factor and mammalian target of rapamycin pathways, and have drastically improved the outcomes of patients diagnosed with metastatic renal cell cancer. This article reviews the major treatment advances that have occurred for metastatic renal cell cancer with the advent of targeted treatments, summarizes the evidence to support their use and addresses clinical issues that have arisen with them. To help guide clinicians in their decision-making with these emerging therapeutic choices, the evidence for sequencing and combining these agents, and the need for biomarkers will be addressed. The role of surgical management options, such as cytoreductive nephrectomy and metastectomy, in the era of targeted treatment is also reviewed. Several novel treatments are also on the horizon, which might serve as future avenues for treatment advancement in metastatic renal cell 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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 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 ».