Efficacy of immune checkpoint inhibitors in non-small cell lung cancer patients with different metastatic sites: A systematic review and meta-analysis.
Notice bibliographique
Résumé
e21684 Background: Previous studies have demonstrated that bone, brain and liver metastases are poor prognosis factors of immune checkpoint inhibitors (ICIs) therapy in patients with non-small-cell lung cancer (NSCLC). This study aims to compare the efficacy of ICIs with conventional therapy in NSCLC patients with bone, brain or liver metastases. Methods: MEDLINE, Embase and CENTRAL were searched for prospective studies comparing ICIs with conventional therapy in NSCLC patients with bone, brain or liver metastases. Quality assessment was performed using the Newcastle-Ottawa Scale. The pooled hazard ratio (HR) of overall survival (OS) and progression-free survival (PFS) among included studies was analyzed using the random-effects model. Results: From 1,195 relevant articles, eight studies with high methodological quality consisting of 988 patients were included in the analysis. ICIs significantly improved OS for patients with brain metastases (HR = 0.57; 95%CI: 0.37-0.86; P = 0.007). Among patients with liver metastases, OS (HR = 0.72; 95%CI: 0.57-0.91; P = 0.006) and PFS (HR = 0.72; 95%CI: 0.49-0.87; P = 0.004) improvement was observed in the ICI treatment arm. No available study with bone metastases information was identified. Subgroup analysis revealed that PD-1 inhibitors could benefit patients on OS and PFS regardless of metastatic sites. Sensitivity analysis indicated good stability of this analysis. No obvious heterogeneity or publication bias was detected. Conclusions: ICIs could significantly improve OS in patients with brain metastases and both OS and PFS in patients with liver metastases. Although brain and liver metastases are generally regarded as poor prognostic factors for immunotherapy, this study still indicates ICIs are effective therapeutic options for NSCLC patients with these metastatic sites.
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 | 0,010 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,035 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».