MétaCan
Menu
Retour à la cohorte
Enregistrement W3031646075 · doi:10.1200/jco.2020.38.15_suppl.502

Biomarker data from KATHERINE: A phase III study of adjuvant trastuzumab emtansine (T-DM1) versus trastuzumab (H) in patients with residual invasive disease after neoadjuvant therapy for HER2-positive breast cancer.

2020· article· en· W3031646075 sur OpenAlexaff
Carsten Denkert, Chiara Lambertini, Peter A. Fasching, Katherine L. Pogue–Geile, Max S. Mano, Michael Untch, Norman Wolmark, Chiung-Sheng Huang, Sibylle Loibl, Eleftherios P. Mamounas, Gϋnter von Minckwitz, Charles E. Geyer, Thomas Boulet, Chunyan Song, Gail D. Lewis Phillips, Małgorzata Nowicka, Sanne de Haas, Mark Basik

Notice bibliographique

RevueJournal of Clinical Oncology · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensMcGill University
Organismes subventionnairesRoche
Mots-clésMedicineBreast cancerOncologyTrastuzumabInternal medicineNeoadjuvant therapyAdjuvantPopulationBiomarkerCancerBiology

Résumé

récupéré en direct d'OpenAlex

502 Background: The phase 3 KATHERINE study (NCT01772472) compared adjuvant T-DM1 versus H in patients with residual invasive breast cancer after neoadjuvant chemotherapy plus HER2-targeted therapy. Here we report exploratory analyses of the relationship between invasive disease-free survival (IDFS) and biomarkers potentially related to response. Methods: Formalin fixed paraffin-embedded tissue samples were collected before neoadjuvant treatment and/or at surgery. Surgical samples were used for analyses, except when only pre-treatment samples were available (~20% of cases). DNA was derived to identify PIK3CA hotspot mutations and gene expression (RNA) analysis was used to detect HER2, PD-L1, CD8 and predefined immune signatures including 3-gene, 5-gene, Teffector, chemokine signaling, and checkpoint inhibitor signatures. RNA analysis was adjusted for tumor content and expression levels were dichotomized at the median into low (≤) and high (>) groups. The effect of treatment and biomarkers on IDFS was assessed. Results: PIK3CA mutation (mut) status was available from 1363 (91.7%) patients. T-DM1 IDFS benefit was independent of PIK3CA mut status (mut: HR 0.54; 95%CI 0.23–0.90; non-mut: HR 0.48; 95%CI 0.35–0.65) and no impact of PIK3CA mut was observed within either treatment arm. Gene expression data were available from 1059 (71.3%) patients. Similar gene expression levels were observed between treatment arms, but, unlike the surgical samples (n = 815), the pre-treatment samples (n = 244) were not representative of the ITT population. Thus, subsequent analyses were based on surgical samples (H n = 398; T-DM1 n = 417). Consistent treatment benefit with T-DM1 vs H was observed across the single-gene and immune gene-signature subgroups as in the ITT population. High vs low HER2 expression was associated with worse outcome (HR 2.02; 95% CI 1.32–3.11) within the H arm, but not within the T-DM1 arm (HR 1.01; 95% CI 0.56–1.83). High vs low PD-L1 expression was associated with better outcome within the H arm (HR 0.66; 95% CI 0.44–1.00) but not within the T-DM1 arm (HR 1.05; 95% CI 0.59–1.87). Similar trends were observed in the checkpoint inhibitor subgroups. Conclusions: These exploratory analyses provide the first data on the relationship between biomarker expression in residual disease after HER2-targeted therapy and outcomes. PIK3CA mut status did not influence outcomes with H or T-DM1. T-DM1 benefit appeared to be independent of all biomarkers assessed. Clinical trial information: NCT01772472 .

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,538
Score d'incertitude au seuil0,877

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,094
Tête enseignante GPT0,421
Écart entre enseignants0,327 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations32
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetBreast Cancer Treatment StudiesTravaux en français237 207