A phase Ib study of combined angiogenesis blockade with REGN910 (SAR307746), a selective monoclonal antibody (MAb) against angiopoietin-2 (Ang2) and ziv-aflibercept in patients with advanced solid tumor malignancies.
Notice bibliographique
Résumé
TPS2618 Background: REGN910 is a selective, fully human Angiopoietin-2 (ANG-2) MAb, which potently blocks signaling through the Tie2 receptor. Ziv-aflibercept (ZAFL) is a recombinant human fusion protein that acts as a decoy receptor for vascular endothelial growth factor (VEGF)-A, VEGF-B, and placental growth factor (PlGF), thereby preventing the interaction of these ligands with their receptors. In several mouse xenograft models, combination of the 2 anti-angiogenic compounds, REGN910 and ZAFL, demonstrated significantly enhanced tumor growth inhibition relative to either agent alone, suggesting that dual angiogenic blockade is worth exploring in cancer patients. Methods: This phase 1b study employs a standard 3+3 dose escalation design exploring 5 different combination treatment dose levels of REGN910 and ZAFL. Once the recommended phase 2 dose (RD) of the combination treatment is determined, additional patients will be enrolled in a safety expansion cohort, for a planned total enrollment of up to 40 patients. The primary study objectives are to evaluate the safety and determine the RD of the 2 drugs in combination when both are administered IV every 2 weeks in patients with advanced solid tumors. Secondary endpoints include characterization of the PK and potential immunogenicity of REGN910 and ZAFL when given in combination, evaluation of correlative PD biomarkers related to REGN910 and ZAFL, and identification of antitumor activity. Enrollment to cohorts 1 and 2 has been completed without DLT. Enrollment to cohort 3 opened in December 2012. Updated enrollment status will be presented. Reference: ClinicalTrials.gov Identifier: NCT01688960. Clinical trial information: NCT01688960.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».