Second-line tyrosine kinase inhibitor-therapy after immunotherapy-failure
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Most contemporary metastatic renal-cell carcinoma patients receive first-line immunotherapy and tyrosine kinase inhibitor (TKI) combination or immunotherapy-immunotherapy combination, as first-line standards of care. However, second-line therapy choices are less well established. To address this void, we examined existing evidence supporting second and subsequent-line treatment options after immunotherapy-based combination therapy. RECENT FINDINGS: Evidence regarding efficacy of second-line therapy after immunotherapy-based combination is mainly retrospective, except for axitinib, which is the only TKI with prospective efficacy data in this setting. Cabozantinib demonstrated excellent second-line progression-free survival (PFS) that remained in third or later line use, albeit based on small numbers of observations. Moreover, pazopanib demonstrated excellent PFS, but showed wider variability in PFS rates. Sunitinib's PFS rates appeared lower than for axitinib, cabozantinib or pazopanib. Finally, inhibitors of the mammalian target of rapamycin pathway appeared to offer even lower efficacy than any TKI after immunotherapy-based therapy combinations. SUMMARY: All available contemporary evidence about TKI efficacy after immunotherapy-based therapy combinations is based on institutional studies. No major differences in efficacy for the examined TKIs after immunotherapy-based combination therapies were recorded. In general, these showed similar efficacy to their efficacy data recorded in first-line.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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; 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 ».