Efficacy of vemurafenib in patients (pts) with non-small cell lung cancer (NSCLC) with <i>BRAF</i><sup>V600</sup> mutation.
Notice bibliographique
Résumé
9074 Background: BRAFV600 mutations occur in 1–2% of pts with NSCLC. We previously reported the efficacy of vemurafenib, a selective BRAFV600 inhibitor, in BRAF mutation-positive non-melanoma tumors (VE-BASKET study). We now present final data for the expanded NSCLC cohort. Methods: This open-label, histology-independent, phase 2 study included 6 prespecified cohorts (including NSCLC) plus one ‘all-others’ cohort. Pts received vemurafenib (960 mg bid) until disease progression or unacceptable toxicity. The primary endpoint was objective response rate (RECIST v1.1). Secondary endpoints included best overall response rate, duration of response (DoR), progression-free survival (PFS), and overall survival (OS). Because the pre-specified clinical benefit endpoint was met in the initial NSCLC cohort, the cohort was expanded. ClinicalTrials.gov identifier NCT01524978. Results: Database lock was 12 Jan 2017. Of 208 pts enrolled at 25 centers worldwide, 62 pts had NSCLC: median age 65 years; 56% male; 13% had no prior systemic therapy; 50% had ≥2 prior therapies. Responses were seen in previously treated and untreated pts (Table). The most common all-grade adverse event (AE) was nausea (40%); grade 3–5 AEs included keratoacanthoma (15%) and squamous cell carcinoma of the skin (15%). Six pts discontinued vemurafenib due to AEs; two had non-treatment-related fatal AEs. Conclusions: Vemurafenib showed evidence of encouraging efficacy in pts with NSCLC with BRAFV600 mutation, with prolonged PFS in previously untreated pts; median OS was not estimable due to ongoing responses. The safety profile of vemurafenib was similar to that seen in melanoma studies. Our results suggest a role for BRAF inhibition in NSCLC with BRAF mutations. Clinical trial information: NCT01524978. [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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,002 | 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 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 ».