Risk factors and a model to predict toxicity-related treatment discontinuation in patients with metastatic renal cell carcinoma treated with VEGF-targeted therapy: Results from the International Metastatic RCC Database Consortium.
Notice bibliographique
Résumé
464 Background: VEGF targeted therapy (VEGF-TT) are standard in advanced metastatic renal cell carcinoma (mRCC), however, toxicities that can lead to drug discontinuation can have a significant impact on patient (pt) outcomes. We aimed to identify risk factors for toxicity and develop the first model to predict toxicity-related treatment discontinuation (TrRD) in mRCC pts treated with VEGF-TT. Methods: Baseline characteristics and treatment outcome data were collected on 936 mRCC pts on first-line VEGF-TT from 7 IMDC institutions. TrTD was analyzed using a competing risk regression model for treatment discontinuation. Results: Median follow up was 23 months. Treatment discontinuation occurred in 833 pts (89%), of which 198 (23.8%) were related to drug toxicity. Sunitinib was the most common VEGF-TT (77%) in our series followed by sorafenib (18.4%). Median time on therapy was 7.1 months in all pts and 4.4 months for pts with TrTD. Most common toxicities leading to TrTD included fatigue, diarrhea and mucositis. On multivariate analysis, significant adverse predictors for TrTD (p<0.05) were: age (≥60 years), baseline glomerular filtration rate (GFR) <30 cc/min, number of metastatic sites (>1), and baseline sodium level (
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».