RELAY, ramucirumab plus erlotinib versus placebo plus erlotinib in patients with untreated, EGFR-mutated, metastatic non-small cell lung cancer: Europe/United States subset analysis
Notice bibliographique
Résumé
BACKGROUND: In EGFR mutation-positive NSCLC, dual EGFR/VEGFR inhibition compared to EGFR alone increases anti-tumor efficacy. The Phase III RELAY trial demonstrated superior PFS for ramucirumab plus erlotinib (RAM + ERL) over placebo plus erlotinib (PBO + ERL) (HR 0.591 [95% CI 0.461-0.760], p<0.0001). EGFR mutated NSCLC is less prevalent in Western versus Asian patients. This prespecified analysis evaluates efficacy and safety of RAM + ERL in EU and US patients enrolled in RELAY. PATIENTS AND METHODS: Patients were randomized 1:1 to ERL + RAM (10 mg/kg IV) or PBO Q2W. Treatment continued until unacceptable toxicity or progressive disease. Patients were stratified by geographic region (East Asia vs "other" [EU/US and Canada (EU/US)]). Objectives included PFS, ORR, DoR, OS, PFS2, safety and biomarker analysis. RESULTS: EU/US subset included 113/449 (25.9%) patients (58 RAM + ERL, 55 PBO + ERL). RAM + ERL improved PFS (20.6 vs 10.9 months, HR 0.605 [95% CI: 0.362-1.010]). ORR and DCR were similar, but median DoR was longer with RAM + ERL (18.0 vs 10.1 months, HR 0.527 [95% CI: 0.296-0.939]). OS and PFS2 were immature at data cut-off (censoring rates 81.0-81.8% and 67.3-79.3%, respectively). Most commonly reported Grade ≥3 TEAE for RAM + ERL was hypertension (17 [29.8%]) and for PBO + ERL, dermatitis acneiform (5 [9.1%]). CONCLUSION: EU/US subset analysis showed improved efficacy outcomes for RAM + ERL and a safety profile consistent with the overall population. Ramucirumab is a safe and effective addition to standard-of-care EGFR-TKI for EGFR mutation-positive metastatic NSCLC.
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 | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 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 ».