Exploratory analysis of the effect of maintenance rucaparib on postprogression outcomes in patients (pts) with platinum-sensitive recurrent ovarian carcinoma (OC) and updated safety data from the phase 3 study ARIEL3.
Notice bibliographique
Résumé
5522 Background: In ARIEL3, rucaparib maintenance treatment significantly improved progression-free survival (PFS) vs placebo in all predefined, nested cohorts: BRCA mutation; BRCA mutation + wild-type BRCA/high loss of heterozygosity (LOH); and intent-to-treat (ITT) population. Methods: Pts were randomized 2:1 to receive oral rucaparib 600 mg BID or placebo. Exploratory endpoints of time to first subsequent therapy (TFST), time to investigator-assessed PFS on the subsequent line of treatment or death (PFS2), and time to second subsequent therapy (TSST) were assessed in the predefined cohorts. Results: Exploratory efficacy endpoint data are given in the Table. As of Dec 31, 2017, the most common treatment-emergent adverse events (TEAEs) of any grade (rucaparib vs placebo) were nausea (75.8% vs 36.5%), asthenia/fatigue (70.7% vs 44.4%), dysgeusia (39.8% vs 6.9%), and anemia/decreased hemoglobin (39.0% vs 5.3%). The most common grade ≥3 TEAEs were anemia/decreased hemoglobin (21.5% vs 0.5%) and alanine/aspartate aminotransferase increase (10.2% vs 0.0%). Conclusions: Rucaparib significantly improved the clinically meaningful endpoints TFST, PFS2, and TSST vs placebo in all predefined cohorts of pts with platinum-sensitive, recurrent OC. The updated safety profile was consistent with prior reports. Clinical trial information: NCT01968213. [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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».