MétaCan
Menu
Retour à la cohorte
Enregistrement W3125964008 · doi:10.1136/jitc-2020-001642

Biologic subtypes of melanoma predict survival benefit of combination anti-PD1+anti-CTLA4 immune checkpoint inhibitors versus anti-PD1 monotherapy

2021· article· en· W3125964008 sur OpenAlexafffund
April A. N. Rose, Susan Armstrong, David Hogg, Marcus O. Butler, Samuel D. Saibil, Diana P. Arteaga, Thiago Pimentel Muniz, Deirdre Kelly, Danny Ghazarian, Ian King, Zaid Saeed Kamil, Kendra Ross, Anna Spreafico

Notice bibliographique

RevueJournal for ImmunoTherapy of Cancer · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesUniversity of Toronto
Mots-clésMedicineNeuroblastoma RAS viral oncogene homologOncologyInternal medicineMelanomaCohortProportional hazards modelNivolumabImmune checkpointProgression-free survivalRetrospective cohort studyCancerImmunotherapyCancer researchOverall survivalKRAS

Résumé

récupéré en direct d'OpenAlex

Purpose Anti-programmed cell death protein 1 (PD1)±anti-cytotoxic T-lymphocyte associated protein 4 (CTLA4) immune checkpoint inhibitors (ICIs) are standard therapeutic options for metastatic melanoma. We assessed whether biologic subtype according to primary tumor type or genomic subtype can function as predictive biomarkers for anti-PD1±anti-CTLA4 ICI in patients with advanced melanoma. Methods We performed a single-center retrospective cohort analysis of patients who received anti-PD1±anti-CTLA4 ICI for advanced melanoma between 2012 and 2019. Primary tumor type, BRAF and NRAS mutation status, and other covariates were abstracted from chart review. Log-rank tests and multivariable Cox regression models were used to assess differences in clinical progression-free (cPFS) and overall survival (OS). Results We identified 230 patients who received 249 lines of anti-PD1±anti-CTLA4 ICI for unresectable or metastatic disease. Of these patients, 74% were cutaneous, 11% mucosal, 8% unknown primary and 7% acral. BRAF and NRAS mutations were identified in 35% and 28% of patients, respectively. In multivariable analyses of the entire cohort, acral or mucosal primary tumor type, >3 metastatic sites, elevated LDH were predictive of shorter cPFS and OS. Combination ICI therapy was associated with longer cPFS (HR 0.57, 95% CI 0.38 to 0.86, p=0.007) and OS (HR 0.42, 95% CI 0.28 to 0.65, p<0.001). Combination ICI was significantly associated with longer OS in unknown primary and mucosal melanoma. There was a non-significant trend toward longer OS with anti-PD1+anti-CTLA4 in cutaneous melanoma, but not in acral melanoma. In multivariable analyses, combination ICI was associated with longer OS in NRAS (HR 0.24, 95% CI 0.10 to 0.62, p=0.003, n=69) and BRAF V600E/K (HR 0.47, 95% CI 0.24 to 0.90, p=0.024, n=86) mutant melanoma but not BRAF/NRAS wild-type (n=94) melanoma. Conclusions In our cohort, primary melanoma tumor type and genomic subtype were independent predictive markers of cPFS and OS for patients with metastatic melanoma receiving anti-PD1 ICI. Primary tumor type and genomic subtype—including NRAS—should be further evaluated in prospective clinical trials to determine their value as predictive markers. Biologic subtypes may facilitate clinical decision-making when recommending combination ICI treatment (anti-PD1±anti-CTLA4) versus anti-PD1 alone for patients with metastatic melanoma.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,314
Écart entre enseignants0,289 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations49
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal for ImmunoTherapy of CancerMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207