Biomarker analyses in REGARD gastric/GEJ carcinoma patients treated with VEGFR2-targeted antibody ramucirumab
Notice bibliographique
Résumé
BACKGROUND: Angiogenesis inhibition is an important strategy for cancer treatment. Ramucirumab, a human IgG1 monoclonal antibody that targets VEGF receptor 2 (VEGFR2), inhibits VEGF-A, -C, -D binding and endothelial cell proliferation. To attempt to identify prognostic and predictive biomarkers, retrospective analyses were used to assess tumour (HER2, VEGFR2) and serum (VEGF-C and -D, and soluble (s) VEGFR1 and 3) biomarkers in phase 3 REGARD patients with metastatic gastric/gastroesophageal junction carcinoma. METHODS: A total of 152 out of 355 (43%) patients randomised to ramucirumab or placebo had ⩾1 evaluable biomarker result using VEGFR2 immunohistochemistry or HER2, immunohistochemistry or FISH, of blinded baseline tumour tissue samples. Serum samples (32 patients, 9%) were assayed for VEGF-C and -D, and sVEGFR1 and 3. RESULTS: None of the biomarkers tested were associated with ramucirumab efficacy at a level of statistical significance. High VEGFR2 endothelial expression was associated with a non-significant prognostic trend toward shorter progression-free survival (high vs low HR=1.65, 95% CI=0.84,3.23). Treatment with ramucirumab was associated with a trend toward improved survival in both high (HR=0.69, 95% CI=0.38, 1.22) and low (HR=0.73, 95% CI=0.42, 1.26) VEGFR2 subgroups. The benefit associated with ramucirumab did not appear to differ by tumoural HER2 expression. CONCLUSIONS: REGARD exploratory analyses did not identify a strong potentially predictive biomarker of ramucirumab efficacy; however, statistical power was limited.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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 ».