MétaCan
Menu
Retour à la cohorte
Enregistrement W2952813810 · doi:10.1097/01.hs9.0000560808.16752.64

PF631 HEALTH‐RELATED QUALITY OF LIFE WITH POMALIDOMIDE + LOW‐DOSE DEXAMETHASONE + DARATUMUMAB IN PATIENTS WITH RELAPSED REFRACTORY MULTIPLE MYELOMA AFTER LENALIDOMIDE TREATMENT

2019· article· en· W2952813810 sur OpenAlexaff
Donna Reece, Nizar J. Bahlis, Χρήστος Σαμαράς, Michaël Sébag, Jesús G. Berdeja, Siddhartha Ganguly, J. Matous, Kevin Song, Christopher S. Seet, Giampaolo Talamo, Mirelis Acosta-Rivera, M H Bar, Donald P. Quick, Bertrand Anz, Gustavo Fonseca, Amit Agarwal, Weiyuan Chung, Faiza Zafar, David S. Siegel

Notice bibliographique

RevueHemaSphere · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Myeloma Research and Treatments
Établissements canadiensVancouver General HospitalMcGill University Health CentreUniversity of CalgaryPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésPomalidomideMedicineLenalidomideDaratumumabMultiple myelomaRegimenInternal medicineCohortClinical endpointDexamethasoneProgressive diseaseOncologyClinical trialChemotherapy

Résumé

récupéré en direct d'OpenAlex

Background: Treatment of relapsed refractory multiple myeloma (RRMM) is complex and requires evaluation of disease and patient factors to maximize efficacy and minimize toxicity. As survival has improved with therapeutic advances, maintaining quality of life has become an important aspect of multiple myeloma treatment. Results from cohort B of the ongoing phase 2 MM‐014 trial (NCT01946477) have demonstrated that pomalidomide (POM) + low‐dose dexamethasone (LoDEX) + daratumumab (DARA) is safe and effective in patients with RRMM after first‐ or second‐line lenalidomide (LEN)‐based treatment. Aims: To evaluate the impact of POM+ LoDEX + DARA on health‐related quality of life (HRQoL) in patients with RRMM who received this regimen after first‐ or second‐line LEN. Methods: Patients with RRMM and 1 to 2 prior lines of treatment, LEN‐based treatment as their most recent regimen, and progressive disease during or after their last treatment line were eligible for inclusion in cohort B. In 28‐day cycles, patients received POM 4 mg/day on days 1–21 + LoDEX 40 mg/day (20 mg/day if aged > 75 years) on days 1, 8, 15, and 22, and DARA 16 mg/kg IV on DEX dosing days of cycles 1 and 2, then on days 1 and 15 of cycles 3–6, and then on day 1 of cycle 7 and beyond. Thromboprophylaxis was mandatory. The primary endpoint was overall response rate. HRQoL, an exploratory endpoint for cohort B, was assessed via EQ‐5D. Results: As of 15 October 2018, 108 patients were evaluable for HRQoL. Baseline characteristics were similar to those of the ITT population (N = 112). EQ‐5D completion rates for each cycle (1–6) were ≥ 88%. Through 6 treatment cycles, mean change from baseline in the EQ‐5D index and VAS health score was stable. At cycle 6, minimum clinically important improvement in the EQ‐5D index (≥ 0.1) and VAS health score (≥ 6) was achieved by 28.8% and 39.0% of patients, respectively. EQ‐5D index values were stable; however, a trend toward improvement was observed in usual activities, pain/discomfort, and anxiety/depression (Figure). Summary/Conclusion: In patients with RRMM who received POM + LoDEX + DARA after first‐ or ‐second‐line LEN based treatment, HRQoL was maintained or trended toward improvement, despite the combination of 3 drugs with distinct toxicity profiles. In context with the previously reported safety and efficacy data from cohort B of MM‐014, the results of this HRQoL analysis further support the earlier use of POM‐based treatment in RRMM immediately following treatment with LEN. image

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,024
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,283
Écart entre enseignants0,262 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHemaSphereMême sujetMultiple Myeloma Research and TreatmentsTravaux en français237 207