MétaCan
Menu
Retour à la cohorte
Enregistrement W4200297262 · doi:10.21203/rs.3.rs-945912/v1

The Effect of Levetiracetam Treatment on Survival in Patients with Glioblastoma: A Systematic Review and Meta-Analysis.

2021· review· en· W4200297262 sur OpenAlexaboutno aff
Jia‐Shu Chen, Ross Clarke, Alexander F. Haddad, Elaina J. Wang, Michel Lacroix, Indra Neil Sarkar, Ramin Zand, Elizabeth Chen, Steven A. Toms

Notice bibliographique

RevueResearch Square · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLevetiracetamMeta-analysisGlioblastomaMedicineOncologyInternal medicinePsychologyEpilepsyPsychiatryCancer research

Résumé

récupéré en direct d'OpenAlex

Abstract Background:Levetiracetam (LEV) is an anti-epileptic drug (AED) that sensitizes glioblastoma (GBM) to temozolomide (TMZ) chemotherapy by inhibiting O6-methylguanine-DNA methyltransferase (MGMT) expression. Adding LEV to the standard of care (SOC) for GBM may improve TMZ efficacy. This study aimed to pool the existing evidence in the literature to quantify LEV’s effect on GBM survival and characterize its safety profile to determine whether incorporating LEV into the SOC is warranted.Method:A search of CINAHL, Embase, PubMed, and Web of Science from inception to May 2021 was performed to identify relevant articles. Hazard ratios (HR), median overall survival, and adverse events were pooled using random-effect models. Meta-regression, funnel plots, and the Newcastle-Ottawa Scale were utilized to identify sources of heterogeneity, bias, and statistical influence.Results:From 20 included studies, 5804 GBM patients underwent meta-analysis, of which 1923 (33%) were treated with LEV. Administration of LEV did not significantly improve survival in the entire patient population (HR=0.89, p=0.094). Significant heterogeneity was observed during pooling of HRs (I2=75%, p<0.01). Meta-regression determined that LEV treatment effect decreased with greater rates of MGMT methylation (RC=0.03, p=0.02) and increased with greater proportions of female patients (RC=-0.05, p=0.002). Concurrent LEV with the SOC for GBM did not increase odds of adverse events relative to other AEDs.Conclusions:Levetiracetam treatment may not be effective for all GBM patients. Instead, LEV may be better suited for treating specific molecular profiles of GBM. Further studies are necessary to identify optimal GBM candidates for LEV.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,025
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0160,043
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,103
Tête enseignante GPT0,436
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207