Evaluating the Impact of a Switch to Nilotinib on Imatinib-Related Chronic Low-Grade Adverse Events in Patients With CML-CP: The ENRICH Study
Notice bibliographique
Résumé
BACKGROUND: Many patients with chronic myeloid leukemia in chronic phase experience chronic treatment-related adverse events (AEs) during imatinib therapy. These AEs can impair quality of life and lead to reduced treatment adherence, which is associated with poor clinical outcomes. PATIENTS AND METHODS: In the phase II ENRICH (Exploring Nilotinib to Reduce Imatinib Related Chronic Adverse Events) study (N = 52), the effect of switching patients with imatinib-related chronic low-grade nonhematologic AEs from imatinib to nilotinib was evaluated. RESULTS: Three months after switching to nilotinib, 84.6% of the patients had overall improvement in imatinib-related AEs (primary endpoint). Of 210 imatinib-related AEs identified at baseline, 62.9% had resolved within 3 months of switching to nilotinib. Of evaluable patients, most had improvements in overall quality of life after switching to nilotinib. At screening, 65.4% of evaluable patients had a major molecular response (BCR-ABL1 ≤ 0.1% on the International Scale). After switching to nilotinib, the rate of the major molecular response was 76.1% at 3 months and 87.8% at 12 months. Treatment-emergent AEs reported with nilotinib were typically grade 1 or 2; however, some patients developed more serious AEs, and 8 patients discontinued nilotinib because of new or worsening AEs. CONCLUSION: Overall, results from the ENRICH study demonstrated that switching to nilotinib can mitigate imatinib-related chronic low-grade nonhematologic AEs in patients with chronic myeloid leukemia in chronic phase, in conjunction with acceptable safety and achievement of molecular responses. This trial was registered at www.clinicaltrials.gov as NCT00980018.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».