MétaCan
Menu
Retour à la cohorte
Enregistrement W2981636558 · doi:10.1016/j.jtho.2019.10.013

Randomized Phase II Study of Paclitaxel plus Alisertib versus Paclitaxel plus Placebo as Second-Line Therapy for SCLC: Primary and Correlative Biomarker Analyses

2019· article· en· W2981636558 sur OpenAlexaff
Taofeek K. Owonikoko, Huifeng Niu, Kristiaan Nackaerts, Tibor Csőszi, Gyula Ostoros, Z. Mark, Christina S. Baik, Anil A. Joy, C. Chouaïd, Jesus Corral Jaime, Vı́tězslav Kolek, Margarita Majem, Jaromı́r Roubec, Edgardo S. Santos, Anne C. Chiang, Giovanna Speranza, Chandra P. Belani, Alberto Chiappori, Manish R. Patel, Krisztina Czebe, Lauren A. Byers, Brittany Bahamón, Cong Li, Emily Sheldon‐Waniga, Eric Kong, Miguel Williams, Sunita Badola, Hyunjin Shin, Lisa Bedford, Jeffrey Ecsedy, Matthew Bryant, Siân Jones, John K. Simmons, E. Jane Leonard, Claudio Dansky Ullmann, David R. Spigel

Notice bibliographique

RevueJournal of Thoracic Oncology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Research Studies
Établissements canadiensHôpital Charles-Le MoyneUniversité de SherbrookeUniversity of Alberta
Organismes subventionnairesTakeda OncologyEMD SeronoNational Institutes of HealthPharmaMarDaiichi-SankyoG1 TherapeuticsClovis OncologyUniversity of Texas Southwestern Medical CenterMerck Sharp and DohmeGenzymeTakeda Pharmaceuticals U.S.A.Foundation MedicineUnited Therapeutics CorporationF. Hoffmann-La RocheIpsen BiopharmaceuticalsNovartisCelgeneMerckSpectrum PharmaceuticalsPurdue UniversityMedImmuneSanofiGlaxoSmithKlineRocheAbbVieGenentechAeglea BioTherapeuticsAmgenDaiichi Sankyo EuropeNational Cancer InstituteIntuitive SurgicalModernaPfizerAstraZenecaPurdue PharmaEli Lilly and CompanyBristol-Myers Squibb
Mots-clésMedicinePaclitaxelHazard ratioInternal medicineOncologyPlaceboClinical endpointPopulationGastroenterologyConfidence intervalRandomized controlled trialChemotherapyPathology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: We assessed the Aurora A kinase inhibitor, alisertib, plus paclitaxel (henceforth referred to as alisertib/paclitaxel) as second-line treatment for SCLC. METHODS: In this double-blind study, patients with relapsed or refractory SCLC were stratified by relapse type (sensitive versus resistant or refractory) and brain metastases and randomized 1:1 to alisertib/paclitaxel or placebo plus paclitaxel (henceforth referred to as placebo/paclitaxel) in 28-day cycles. The primary end point was progression-free survival (PFS). Associations of c-Myc expression in tumor tissue (prespecified) and genetic alterations in circulating tumor DNA (retrospective) with clinical outcome were evaluated. RESULTS: A total of 178 patients were enrolled (89 in each arm). The median PFS was 3.32 months with alisertib/paclitaxel versus 2.17 months with placebo/paclitaxel (hazard ratio [HR] = 0.77, 95% confidence limit [CI]: 0.557-1.067, p = 0.113 in the intent-to-treat population versus HR = 0.71, 95% CI: 0.509-0.985, p = 0.038 with corrected analysis applied). Among 140 patients with genetic alternations, patients with cell cycle regulator mutations (cyclin-dependent kinase 6 gene [CDK6], retinoblastoma-like 1 gene [RBL1], retinoblastoma-like 2 gene [RBL2], and retinoblastoma 1 gene [RB1]) had significantly improved PFS with alisertib/paclitaxel versus with placebo/paclitaxel (3.68 versus 1.80 months, respectively [HR = 0.395, 95% CI: 0.239-0.654, p = 0.0003]), and overall survival (7.20 versus 4.47 months, respectively [HR = 0.427, 95% CI: 0.259-0.704, p = 0.00085]). A subset of patients with c-Myc expression showed significantly improved PFS with alisertib/paclitaxel. The incidence of grade 3 or higher drug-related adverse events was 67% (58 patients) with alisertib/paclitaxel versus 22% (25 patients) with placebo/paclitaxel. Twelve patients (14%) versus 11 (12%) died on study, including four versus zero treatment-related deaths. CONCLUSIONS: Efficacy signals were seen with alisertib/paclitaxel in relapsed or refractory SCLC. c-Myc expression and mutations in cell cycle regulators may be potential predictive biomarkers of alisertib efficacy; further prospective validations are warranted.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0070,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,125
Tête enseignante GPT0,541
Écart entre enseignants0,416 · 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'étudeEssai randomisé
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

Citations147
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJournal of Thoracic OncologyMême sujetLung Cancer Research StudiesTravaux en français237 207