Analysis of Heterogeneity in Survival Benefit of Immunotherapy in Oncology According to Patient Demographics and Performance Status
Notice bibliographique
Résumé
OBJECTIVES: Immunotherapy (IO) has become standard of care (SOC) for many advanced malignancies, although identifying patients likely to benefit remains difficult. We sought to assess whether demographic factors are associated with response to IO, compared with SOC systemic therapy, using stratified meta-analysis. METHODS: A systematic review of MEDLINE, PubMed, Embase, and Scopus from inception to October 2, 2018. Randomized controlled trials comparing IO to SOC in patients with advanced solid organ malignancies were included if results were stratified by age, performance status (PS), or race, assessing overall survival (OS). Pooled hazard ratios (HRs) and 95% confidence intervals (CIs) were calculated for each group using random-effects models independently. RESULTS: We identified 21 eligible randomized controlled trials, including 20 stratified by age, 17 by PS, and 4 by race. Patients with PS 0 (HR, 0.74; 95% CI, 0.63-0.86) and PS≥1 (HR, 0.75; 95% CI, 0.68-0.83) had similar OS benefits from IO compared with SOC (P=0.80). There was no difference on the basis of patient race (white vs. nonwhite) (P=0.46). IO demonstrated an OS benefit for younger (below 65 y: HR, 0.73; 95% CI, 0.65-0.82) and older (65 y and above: HR, 0.79; 95% CI, 0.71-0.88) patients with no difference between age groups (P=0.27). Among prespecified subgroup analyses, there was significant effect modification in 2 subgroups: younger patients in the first-line setting (P=0.03) and those receiving anti-CTLA-4 drugs (P=0.05). CONCLUSIONS: When examining OS using stratified meta-analysis, we did not demonstrate significant differences in IO efficacy according to patient age, PS or race, though data on race were sparse.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».