Real-Word Experience of Cabozantinib in Metastatic Renal Cell Carcinoma (mRCC): Results from the Canadian Kidney Cancer information system (CKCis)
Notice bibliographique
Résumé
BACKGROUND: Cabozantinib is an oral multitargeted tyrosine kinase inhibitor (TKI) that has demonstrated efficacy in metastatic renal-cell carcinoma (mRCC) randomized trials. OBJECTIVE: To explore the real-world effectiveness of cabozantinib in pretreated patients with mRCC, including patients who progressed on immune-oncology checkpoint inhibitor (ICI) therapy. METHODS: Using the Canadian Kidney Cancer information system (CKCis), patients with mRCC treated with cabozantinib monotherapy as second-line or later from January 1, 2011 to September 1, 2019 were identified. Patients were stratified based on line of cabozantinib received. We reported overall survival (OS), time to treatment failure (TTF) and disease control rate (DCR). Prognostic variables were analyzed using multivariable analysis. RESULTS: 157 patients received cabozantinib (median TTF 8.0 months; median OS 15.8 months): 37 (24%) in the second line (median TTF 10.4 months; median OS 18.9 months) 66 (42%) in third line (median TTF 5.9 months; median OS 13.3 months) and 54 (34%) in either 4th or 5th line (median TTF 9.4 months; median OS 16.8 months). One hundred sixteen patients (74%) received cabozantinib after prior ICI therapy (median TTF of 7.6 months; median OS of 15.8 months). DCR in all patients was 63% with 46%, 65% and 72% in 2nd line, 3rd line and 4th/5th line patients respectively. DCR in patients who received cabozantinib after prior ICI therapy was 64%. CONCLUSIONS: Cabozantinib is effective in a real-world, unselected population of mRCC patients, including in those who have progressed on prior ICI therapy, and in those exposed to multiple lines of therapy.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».