Lessons learned from contemporary glioblastoma randomized clinical trials through systematic review and network meta-analysis: part 2 recurrent glioblastoma
Notice bibliographique
Résumé
Abstract Background There exists no consensus standard of treatment for patients with recurrent glioblastoma (GB). 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) to determine if any consensus treatment can be determined for recurrent GB. Methods We included all recurrent GB RCTs with at least 20 patients in each arm, and for whom patients underwent standard of care at the time of their GB initial diagnosis. Our primary outcome was OS, with secondary outcomes including PFS and adverse reactions. Hazard ratio (HR) and its 95% confidence interval (CI) of the comparison of study arms regarding OS and PFS were extracted from each paper. For comparative efficacy analysis, we utilized a frequentist network meta-analysis, an extension of the classic pair-wise meta-analysis. We followed the Preferred Reporting Items for Systematic Reviews and Meta-analyses. Results Fifteen studies were included representing 29 separate treatment arms and 2194 patients. In our network meta-analysis, combination treatment with tumor-treating field and Vascular endothelial growth factor (VEGF) inhibitor ranked first in improving OS (P = .80). Concomitant anti-VEGF and Lomustine treatment was superior to Lomustine alone for extending PFS (HR 0.57, 95% CI 0.41–0.79) and ranked first in improving PFS compared to other included treatments (P = .86). Conclusions Our analysis highlights the numerous studies performed on recurrent GB, with no proven consensus treatment that is superior to the current SOC. Intertrial heterogeneity precludes drawing strong conclusions, and confidence analysis was low to very low. Further confirmation by future trials is recommended for our exploratory results.
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 | 0,015 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,080 | 0,019 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».