MétaCan
Menu
Retour à la cohorte
Enregistrement W2607668193 · doi:10.1016/j.jtho.2017.04.010

Smoking History Predicts Sensitivity to PARP Inhibitor Veliparib in Patients with Advanced Non–Small Cell Lung Cancer

2017· article· en· W2607668193 sur OpenAlexaff
Martin Reck, Normand Blais, Erzsébet Juhász, Vera Gorbunova, C. Michael Jones, László Urbán, С. В. Орлов, Fabrice Barlési, Ebenezer A. Kio, Ulrich Keilholz, Qin Qin, Jiang Qian, Caroline Nickner, Juliann Dziubinski, Hao Xiong, Rajendar K. Mittapalli, Martin Dunbar, Peter Ansell, Lei He, Mark D. McKee, Vincent L. Giranda, Suresh S. Ramalingam

Notice bibliographique

RevueJournal of Thoracic Oncology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiquePARP inhibition in cancer therapy
Établissements canadiensABB (Canada)Centre Hospitalier de l’Université de Montréal
Organismes subventionnairesEli Lilly and Company
Mots-clésVeliparibMedicineHazard ratioInternal medicineCarboplatinOncologyPARP inhibitorLung cancerConfidence intervalPoly ADP ribose polymeraseChemotherapyGeneticsCisplatinBiology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Tobacco-related NSCLC is associated with reduced survival and greater genomic instability. Veliparib, a potent poly(adenosine diphosphate-ribose) polymerase inhibitor, augments platinum-induced DNA damage. A phase 2 trial of untreated advanced NSCLC showed a trend for improved outcomes (hazard ratio [HR] = 0.80, 95% confidence interval: 0.54-1.18, p = 0.27 for overall survival and HR = 0.72, 95% CI: 0.45-1.15, p = 0.17 for progression-free survival) when veliparib was added to carboplatin/paclitaxel. Here we report an exploratory analysis by smoking history. METHODS: Patients were randomized 2:1 to receive carboplatin/paclitaxel with veliparib, 120 mg (n = 105), or placebo (n = 53). Patients were stratified by histologic subtype and smoking history (recent smokers [n = 95], former smokers [n = 42], and never-smokers [n = 21]). Plasma cotinine level was measured as a chemical index of smoking. Mutation status was assessed by whole exome sequencing (n = 38). RESULTS: Smoking history, histologic subtype, age, Eastern Cooperative Oncology Group performance status, sex, and geographic region predicted veliparib benefit in univariate analyses. In multivariate analysis, history of recent smoking was most predictive for veliparib benefit. Recent smokers treated with veliparib derived significantly greater progression-free survival and overall survival benefits (HR = 0.38 [p < 0.01] and HR = 0.43 [p < 0.01]) than former smokers (HR = 2.098 [p = 0 0208] and HR = 1.62 [p = 0.236]) and never-smokers (HR = 1.025 [p = 0.971] and HR = 1.33 [p = 0.638]). Sequencing data revealed that mutational burden was not associated with veliparib benefit. The rate of grade 3 or 4 adverse events was higher in recent smokers with veliparib treatment; all-grade and serious adverse events were similar in both treatment arms. CONCLUSIONS: Smoking history predicted for efficacy with a veliparib-chemotherapy combination; toxicity was acceptable regardless of smoking history. A prespecified analysis of recent smokers is planned for ongoing phase 3 studies of veliparib in NSCLC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,374
Écart entre enseignants0,352 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Thoracic OncologyMême sujetPARP inhibition in cancer therapyTravaux en français237 207