Evaluation of toxicities related to novel therapy in clinical trials for women with gynecologic cancer
Notice bibliographique
Résumé
BACKGROUND: Women with gynecologic cancer may be at increased risk for adverse events (AEs) due to peritoneal disease burden and prior treatment (surgery, chemotherapy, and pelvic radiotherapy). This study compared the toxicity profiles of patients with and without gynecologic cancer enrolled in phase 1 trials. METHODS: This was a retrospective analysis of the National Cancer Institute phase 1 database for all trials enrolling 1 or more patients with gynecologic cancer over 2 decades (1995-2015). Clinical parameters collected included demographics, cancer history, trial information, AEs, and responses. AEs (according to the Common Terminology Criteria for Adverse Events) were documented for each patient during treatment, and they were counted once and analyzed on the basis of the highest grade and drug attribution. Multiple regression models were used to compare AEs at the baseline and during treatment. RESULTS: A total of 4269 patients enrolled in 150 trials were divided into 3 groups: 1) women with gynecologic cancer (n = 685), 2) women with nongynecologic cancer (n = 1698), and 3) men with cancer (n = 1886). The median age was 58 years. The mean number of total AEs reported during treatment was highest for women with gynecologic cancer (17.1 vs 14.7 vs 13.5; P < .001), even though they were similar at the baseline (7.0 vs 7.4 vs 7.0; P = .09). The mean number of drug-related AEs was also highest for women with gynecologic cancer (8.3 vs 6.9 vs 6.2; P < .001). Grade 3 to 5 AEs were similar (2.3 vs 2.3 vs 2.1); however, grade 2 AEs were more frequent in women with gynecologic cancer (4.6 vs 3.9 vs 3.5). Treatment discontinuations due to AEs were similar (9% vs 9% vs 10%). CONCLUSIONS: Women with gynecologic cancer experienced more frequent low-grade AEs during treatment, and this warrants attention to support their symptom burden. Study dose management should be considered for recurrent grade 2 AEs, particularly during continuous therapy.
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 | 0,068 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».