Lessons learned from contemporary glioblastoma randomized clinical trials through systematic review and network meta-analysis: part 1 newly diagnosed disease
Notice bibliographique
Résumé
Abstract Background Glioblastoma (GB) is the most common malignant brain tumor with a dismal prognosis despite standard of care (SOC). Here we used a network meta-analysis on treatments from randomized control trials (RCTs) to assess the effect on overall survival (OS) and progression-free survival (PFS) beyond the SOC. Methods We included RCTs that investigated the addition of a new treatment to the SOC in patients with newly diagnosed GB. Our primary outcome was OS, with secondary outcomes including PFS and adverse reactions. Hazard ratio (HR) and its 95% confidence interval (CI) regarding OS and PFS were extracted from each paper. We utilized a frequentist network meta-analysis. We planned a subgroup analysis based on O6-methylguanine-DNA methyl-transferase (MGMT) status. We followed the Preferred Reporting Items for Systematic Reviews and Meta-analyses. Results Twenty-one studies were included representing a total of 7403 patients with GB. There was significant heterogeneity among studies impacting important factors such as timing of randomization and sample size. A confidence analysis on the network meta-analysis results revealed a score of low or very low for all treatment comparisons, across subgroups. Allowing for the heterogeneity within the study population, alkylating nitrosoureas (Lomustine and ACNU) and tumor-treating field improved both OS (HR = 0.53, 95% CI 0.33–0.84 and HR = 0.63 95% CI 0.42–0.94, respectively) and PFS (HR = 0.88, 95% CI 0.77–1.00 and HR = 0.63 95% CI 0.52–0.76, respectively). Conclusions Our analysis highlights the numerous studies performed on newly diagnosed GB, with no proven consensus treatment that is superior to the current SOC. Intertrial heterogeneity raises the need for better standardization in neuro-oncology studies.
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 | 0,011 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,071 | 0,018 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».