First-Line Immune Checkpoint Inhibitor-Based Therapy for Metastatic Renal Cell Carcinoma: A Systematic Review
Notice bibliographique
Résumé
Background: Immune checkpoint inhibitors (CPIs) have come to the forefront as a major component of the management of metastatic renal cell carcinoma ( mRCC). Over a short period of time, several studies have shown benefit in using these agents in the first-line setting. Objective: In this systematic review, the available evidence regarding the use of CPI-based regimens in previously untreated mRCC was reviewed. Methods: A systematic search for phase II and III studies was conducted of the PubMed and Embase databases as per the Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA) statement. The search retrieved abstracts to February 1, 2020. Data was compiled and summarized in narrative and tabular formats. Results: Fifty-five abstracts from 11 clinical trials were included, including four phase III clinical trials and seven phase II trials. The most recent phase III data demonstrates overall survival (OS) benefit for ipilimumab plus nivolumab (for intermediate and poor risk patients) and pembrolizumab plus axitinib combination regimens over sunitinib. Two other regimens (avelumab plus axitinib and atezolizumab plus bevacizumab) have shown benefits in progression free survival, but not in OS to date. Toxicity data shows varying patterns of adverse events between the four treatments. Phase II data indicate CPI has activity as a single agent, and in patients with non-clear cell subtypes of RCC. Conclusions: CPI-based regimens improve outcomes in virtually all subgroups of mRCC patients when used as front-line therapy. This is certain to change the landscape of mRCC treatment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».