Current management of metastatic renal cell carcinoma: evolving new therapies
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Targeted therapies have recently replaced cytokine treatments as the gold standard for management of metastatic renal cell carcinoma (mRCC). Currently approved treatments include the tyrosine kinase inhibitors sunitinib, pazopanib, axitinib, sorafenib, cabozantinib and lenvatinib; the vascular endothelial growth factor (VEGF) inhibitor bevacizumab; the mammalian target of rapamycin (mTOR) inhibitors everolimus and temsirolimus; and the immunologic nivolumab. The purpose of this review is to provide an updated analysis of the clinical data supporting the use of these agents in the first-line and second-line setting. RECENT FINDINGS: In the first-line setting, pazopanib may be better tolerated than sunitinib, an individualized dosing sunitinib regimen based on toxicity might improve survival and cabozantinib appears to be an emerging option. In the second-line setting, three new therapies (cabozantinib, lenvatinib/everolimus and nivolumab) have shown superiority against everolimus, the previous standard therapy. The International Metastatic RCC Database Consortium prognostic model may be useful in guiding the selection of subsequent therapy and patients eligible for metastasectomy. SUMMARY: Targeted therapies are the standard treatment for mRCC. Despite advancements in survival, progression-free survival and tolerability, these targeted therapies remain largely noncurative. Further characterization of the RCC oncogenic pathway, and the ongoing clinical trials should help optimize the management of mRCC.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».