Influence of gender on treatment outcome and toxicity in small cell lung cancer (SCLC)
Notice bibliographique
Résumé
7041 Background: Female gender has been shown consistently to be a favourable prognostic factor in SCLC. Studies have shown that women with other tumor types experience greater treatment toxicity, but there have been few studies of gender related toxicity in SCLC. Methods: This was a gender-based retrospective analysis of 4 SCLC trials, which were conducted by the NCIC CTG between 1981 and 1996. All 1006 patients (648 male, 358 female) received similar chemotherapy consisting of cyclophosphamide/ doxorubicin/vincristine and etoposide/ cisplatin . Toxicities examined included myelosuppression, stomatitis, vomiting and infection. Other endpoints included number of dose reductions required, number of omitted cycles, response rates and overall survival. Toxicities between the genders were compared using chi-square test in univariate analyses and logistic regression adjusting for age, BSA, performance status, LDH and individual trial in multivariate analyses. Results: Women experienced significantly more toxicity in both univariate and multivariate analyses (see Table). However, toxic death rates were similar for men and women (1.5% vs 1.1%, p=0.58). Despite increased toxicity, 76% of females vs 73.4% of males received all 6 treatment cycles (p=0.38), but 52% of females vs 43.4% of males had treatment delayed for ≥ 2 weeks (p=0.022). The ORR was 80.3% for females and 66.9% for males (p<0.0001) and the median survival was 1.31 years for females and 0.91 for males (p<0.0001) Conclusions: Women clearly experience more chemotherapy related toxicity in the treatment of SCLC, but this does not result in more toxic deaths or omitted treatment cycles, nor does it compromise outcome. No significant financial relationships to disclose.
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 | 0,001 | 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 | 0,000 | 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) | 0,000 | 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 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 ».