Matching-adjusted indirect comparison of efficacy outcomes for ciltacabtagene autoleucel in CARTITUDE-1 versus idecabtagene vicleucel in KarMMa for the treatment of patients with relapsed or refractory multiple myeloma
Notice bibliographique
Résumé
Objective This study estimated the comparative efficacy of ciltacabtagene autoleucel (cilta-cel) versus the approved idecabtagene vicleucel (ide-cel) dose range of 300–460 × 106 CAR-positive T-cells for the treatment of patients with relapsed or refractory multiple myeloma (RRMM) who were previously treated with a proteasome inhibitor, an immunomodulatory drug, and an anti-CD38 monoclonal antibody (i.e. triple-class exposed) using matching-adjusted indirect treatment comparisons (MAICs).Methods MAICs were performed with individual patient data for cilta-cel (CARTITUDE-1; NCT03548207) and published summary-level data for ide-cel (KarMMa; NCT03361748). Treated patients from CARTITUDE-1 who satisfied the eligibility criteria for KarMMa were included in the analyses. The MAIC adjusted for unbalanced baseline covariates of prognostic significance identified in the literature and by clinical expertise. Comparative efficacy was estimated for overall response rate (ORR), complete response or better (≥CR) rate, duration of response (DoR), progression-free survival (PFS), and overall survival (OS).Results Cilta-cel was associated with statistically significantly improved ORR (odds ratio [OR]: 94.93 [95% confidence interval [CI]: 21.86, 412.25; p < .0001]; relative risk [RR]: 1.34), ≥CR rate (OR: 5.49 [95% CI: 2.47, 12.21; p < .0001]; RR: 2.21), DoR (hazard ratio [HR]: 0.50 [95% CI: 0.29, 0.87; p = .0137]), and PFS (HR: 0.37 [95% CI: 0.22, 0.62; p = .0002]) when compared with ide-cel. For OS, the results were in favor of cilta-cel and clinically meaningful but with a CI overlapping one (HR: 0.55 [95% CI: 0.29, 1.05; p = .0702]).Conclusions These analyses demonstrate improved efficacy with cilta-cel versus ide-cel for all outcomes, highlighting its therapeutic potential in patients with 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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| 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) | 0,003 | 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 ».