KarMMa-RW: comparison of idecabtagene vicleucel with real-world outcomes in relapsed and refractory multiple myeloma
Notice bibliographique
Résumé
Patients with relapsed and refractory multiple myeloma (RRMM) who are triple-class exposed (to an immunomodulatory agent, proteasome inhibitor, and anti-CD38 antibody) have limited treatment options and there is no standard of care. Idecabtagene vicleucel (ide-cel, bb2121), a BCMA-directed CAR T-cell therapy, demonstrated efficacy in triple-class exposed RRMM patients in the KarMMa trial (NCT03361748). In this retrospective study (KarMMa-RW), patient-level data from triple-class exposed RRMM patients were merged into a single data model and compared with KarMMa using trimmed stabilized inverse probability of treatment weighting. Endpoints included overall response rate (ORR; primary), rate of very good partial response or better (≥VGPR), progression-free survival (PFS), and overall survival (OS). Of 1949 real-world triple-class exposed RRMM patients, 190 received subsequent (index) line of therapy and met KarMMa eligibility criteria (Eligible RRMM cohort). With a median follow-up of 13.3 months in KarMMa and 10.2 months in Eligible RRMM, ORR, and ≥VGPR were significantly improved in KarMMa versus Eligible RRMM (ORR, 76.4% vs 32.2%; ≥VGPR, 57.9% vs 13.7%; both P < 0.0001) as were PFS (11.6 vs 3.5 months; P = 0.0004) and OS (20.2 vs 14.7 months; P = 0.0006). This study demonstrated that ide-cel significantly improved responses and survival compared with currently available therapies in triple-class exposed RRMM.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».