Selpercatinib in RET fusion-positive non-small-cell lung cancer (SIREN): a retrospective analysis of patients treated through an access program
Notice bibliographique
Résumé
Introduction: Rearranged during transfection (RET) gene fusions are rare genetic drivers in non-small cell lung cancer (NSCLC). Selective RET-inhibitors such as selpercatinib have shown therapeutic activity in early clinical trials; however, their efficacy in the real-world setting is unknown. Methods: A retrospective efficacy and safety analysis was performed on data from RET fusion-positive NSCLC patients who participated in a selpercatinib access program (named patient protocol) between August 2019 and January 2021. Results: Data from 50 patients with RET fusion-positive advanced NSCLC treated with selpercatinib at 27 centers in 12 countries was analyzed. Most patients were Non-Asian (90%), female (60%), never-smokers (74%), with a median age of 65 years (range, 38–89). 32% of the patients had known brain metastasis at the time of selpercatinib treatment. Overall, 13 patients were treatment-naïve, while 37 were pretreated with a median of three lines of therapy (range, 1–8). The objective response rate (ORR) was 68% [95% confidence interval (CI), 53–81] in the overall population. The disease control rate was 92%. The median progression-free survival was 15.6 months (95% CI, 8.8–22.4) after a median follow-up of 9 months. In patients with measurable brain metastases ( n = 8) intracranial ORR reached 100%. In total, 88% of patients experienced treatment-related adverse events (TRAEs), a large majority of them being grade 1 or 2. The most common grade ⩾ 3 TRAEs were increased liver enzyme levels (in 10% of patients), prolonged QTc time (4%), abdominal pain (4%), hypertension (4%), and fatigue/asthenia (4%). None of patients discontinued selpercatinib treatment for safety reasons. No new safety concerns were observed, nor where there any treatment-related death. Conclusions: In this real-world setting, the selective RET-inhibitor selpercatinib demonstrated durable systemic and intracranial antitumor activity in RET fusion-positive NSCLC and was well tolerated.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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; 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 ».