Pazopanib-Induced Regression of Brain Metastasis After Whole Brain Palliative Radiotherapy in Metastatic Renal Cell Cancer Progressing on First-Line Sunitinib: A Case Report
Notice bibliographique
Résumé
Pervious randomized studies have demonstrated survival benefit in favor of tyrosine kinase inhibitors (TKIs) compared to cytokines in metastatic clear cell renal cell carcinoma (RCC). However, the role of TKIs for treating brain metastasis from RCC remains unknown. Previous studies have reported possible activity of sunitinib and sorafenib in RCC patients with brain metastasis. We report on patient with metastatic RCC who responded to first-line sunitinib but then progressed with multiple brain metastasis, but with controlled extra-cranial metastatic disease. The patient was treated with whole-brain palliative radiotherapy followed by treatment schedule of pazopanib at standard dose of 800 mg/day which was associated with a response in brain metastasis. Subsequently, she was re-challenged at reduced dose of 600 mg/day and developed further response in metastatic brain lesions. She lived for more than 3 years from initial diagnosis of brain metastasis. This is the first case report of sequential TKI therapy for treating metastatic RCC with brain metastasis and supports the probable use of pazopanib as potent TKI for treating patients with cerebral metastasis.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».