Sunitinib-associated hypertension and neutropenia as efficacy biomarkers in metastatic renal cell carcinoma patients
Notice bibliographique
Résumé
BACKGROUND: Metastatic renal cell carcinoma (mRCC) prognostic models may be improved by incorporating treatment-induced toxicities. METHODS: In sunitinib-treated mRCC patients (N=770), baseline prognostic factors and treatment-induced toxicities (hypertension (systolic blood pressure ⩾140 mm Hg), neutropenia (grade ⩾2), thrombocytopenia (grade ⩾2), hand-foot syndrome (grade >0), and asthenia/fatigue (grade >0)) were analysed in multivariate analyses of progression-free survival (PFS) and overall survival (OS) end points. RESULTS: On-treatment neutropenia and hypertension were associated with longer PFS (P=0.0276 and P<0.0001, respectively) and OS (P=0.0014 and P<0.0001, respectively), independent of baseline prognostic factors, including International Metastatic Renal Cell Carcinoma Database Consortium (IMDC) criteria. By 12-week landmark analysis, neutropenia was significantly associated with longer PFS and OS (P=0.013 and P=0.0122, respectively) and hypertension or hand-foot syndrome with longer OS (P=0.0036 and P=0.0218, respectively). The concordance index was 0.65 (95% CI: 0.63-0.67) for IMDC classification alone and 0.72 (95% CI: 0.70-0.74) when combined with hypertension and neutropenia. Considering hypertension and neutropenia (developing both vs neither) changed IMDC-predicted median OS in each IMDC risk group (favourable: 45.3 vs 19.5 months; intermediate: 32.5 vs 8.0 months; poor: 21.1 vs 4.8 months). CONCLUSIONS: On-treatment neutropenia and hypertension are independent biomarkers of sunitinib efficacy and may add prognostic accuracy to the IMDC model.
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) | 0,001 | 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 | 0,000 |
| 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 ».