Clinical Effectiveness of Second-line Sunitinib Following Immuno-oncology Therapy in Patients with Metastatic Renal Cell Carcinoma: A Real-world Study
Notice bibliographique
Résumé
BACKGROUND: Limited data exist on the clinical effectiveness of second-line (2L) vascular endothelial growth factor (receptor) targeted inhibitor (VEGF(R)i) sunitinib after first-line (1L) immuno-oncology (IO) therapy for patients with metastatic renal cell carcinoma (mRCC) in real-world settings. METHODS: A retrospective cohort study among adult patients with mRCC treated with 2L sunitinib following 1L IO was conducted from select International mRCC Database Consortium (IMDC) centers. All analyses were performed overall and by 1L ipilimumab + nivolumab (IPI+NIVO) or 1L IO+VEGF(R)i. Median overall survival (mOS) and time-to-treatment discontinuation (mTTD) in 2L were estimated using Kaplan-Meier analysis. The 2L objective response rate (ORR) (complete/partial response) was reported. RESULTS: Among 102 patients on 2L sunitinib, mean age was 61.3 years. IMDC risk scores at 2L initiation was available for 83 patients: 8 (9.6%) were favorable, 45 (54.2%) were intermediate, and 30 (36.1%) were poor risk. The 1L consisted of IPI+NIVO in 62 (60.8%), IO+VEGF(R)i therapy in 27 (26.5%), and IO monotherapy in 13 (12.7%) patients. Among all patients, mOS was 15.6 months (95% confidence interval [CI], 9.8-21.7), with a 1-year OS rate of 57.5% (95% CI, 45.2-68.0). mTTD was 5.4 months (95% CI, 4.2-7.2) and ORR was 22.5%. CONCLUSION: Despite availability of effective 1L therapies in recent years, 2L sunitinib continues to have clinical activity after failure of 1L IO. Further studies on optimal treatment sequencing after 1L IO progression are needed.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,000 | 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 ».