The effects of sorafenib and sunitinib on bone turnover markers in patients with bone metastases from renal cell carcinoma
Notice bibliographique
Résumé
e16145 Background: Bone metastases (BM) from renal cell carcinoma (RCC) are common and associated with poor outcomes. While the multi-tyrosine kinase inhibitors (TKI's) sunitinib and sorafenib have advanced the treatment of metastatic RCC, their efficacy on BM is unknown. Urinary N-telopeptide (uNTX) is a marker of bone turnover measured in nmol/mmol creatinine. Elevated uNTX levels correlate with an increased risk of skeletal related events and mortality in patients receiving bisphosphonates for BM from a range of primaries. In this pilot biomarker study we sought to prospectively evaluate the effects on BM of these multi-TKI's in RCC patients. Methods: Eligible patients had advanced RCC, at least one BM evident on imaging and no bisphosphonate exposure within 4 weeks. UNTX levels (OsteoMark) were measured at; baseline and weeks-1, 4, 8 and 12 after commencing either sunitinib or sorafenib. The primary endpoint was the percentage change (Ch) in uNTX levels from baseline. Serum samples were also collected for KIT and VEGFR-2 (Quantikine). Patients also completed pain (including bone pain) and quality of life questionnaires. Results: The uNTX results on the first 9 patients are presented in the table below (7 received sunitinib and 2 sorafenib). In this group, sVEGFR-2 and sKIT levels fell by week-1 and 4 respectively and at week-12 the mean % changes (95% CI) were -34% (-0.53,-0.14) and -38% (-0.58,-0.18). Conclusions: In patients with BM from RCC and at least moderately elevated uNTX levels at baseline, these multi-TKI's show a significant trend to decrease uNTX levels, but perhaps not as effectively as bone-specific therapies (e.g. bisphosphonates) do in other malignancies. SVEGFR-2 and sKIT levels also fell across the patient group over the same period. This pilot data raises questions about the activity of the multi-TKI's in BM from RCC and further research is needed. [Table: see text] [Table: see text]
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».