Real world experience of immuno-oncology agents in metastatic renal cell carcinoma: Results from the IMDC.
Notice bibliographique
Résumé
492 Background: Immuno-oncology (IO) checkpoint inhibitors have demonstrated efficacy in metastatic renal cell cancer (mRCC) treatment. Real world data is required to assess outcomes when applied to the general population. Methods: A retrospective analysis was performed using the IMDC database. It included mRCC patients treated with IO agents, including atezolizumab (Atezo), avelumab, ipilimumab, nivolumab (Nivo), and pembrolizumab (Pembro). Some patients were treated with combination therapy with a targeted agent. Patients may have received IO therapy as first-, second-, third-, or fourth-line treatment. Overall survival (OS), treatment duration, and overall response rates (ORR) were calculated. Results: 255 patients with mRCC treated with IO therapy were included. The ORR to IO therapy in those patients who were evaluable was 29% (32% first-, 22% second-, 33% third-, and 32% fourth-line therapy). Patients treated with second-line IO therapy were divided into favorable, intermediate, and poor risk using IMDC criteria; the corresponding median OS rates were not reached, 26.7 mo, and 12.1 mo, respectively (p<0.0001). Conclusions: Response rates to IO therapies appear to remain consistent no matter which line of therapy it is used in. Within second-line treatment, IMDC criteria appear to stratify patients appropriately into favorable, intermediate, and poor risk groups. Survival data are premature and will be updated. In contrast to Nivo clinical trial data, where median treatment duration was 5.5 mo, longer treatment length is observed in real world practice. [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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».