MétaCan
Menu
← Retour à la cohorte
Enregistrement W4212951999 · doi:10.1200/jco.2022.40.6_suppl.304

Effectiveness of first-line therapy in patients with advanced non-clear renal cell carcinoma (nccRCC).

2022· article· en· W4212951999 sur OpenAlexaffabout
Sophie Laramee, Sunita Ghosh, Christian Kollmannsberger, Aaron R. Hansen, Lori Wood, Denis Soulières, Christina M. Canil, Ramy Saleh, Vincent Castonguay, Georg A. Bjarnason, Naveen S. Basappa, Rodney H. Breau, Daniel Yick Chin Heng, Frédéric Pouliot, Anil Kapoor, Aly‐Khan A. Lalani

Notice bibliographique

RevueJournal of Clinical Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal cell carcinoma treatment
Établissements canadiensJuravinski Cancer CentreSunnybrook Health Science CentreUniversity of OttawaMcGill University Health CentreUniversité LavalCentre Hospitalier de l’Université de MontréalDalhousie UniversityHealth Sciences CentreOttawa HospitalUniversity Health NetworkUniversity of British ColumbiaQueen Elizabeth II Health Sciences CentreUniversity of AlbertaUniversity of CalgaryPrincess Margaret Cancer CentreHôtel-Dieu de QuébecBC Cancer AgencyMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicinePazopanibTemsirolimusSunitinibAxitinibNivolumabEverolimusInternal medicinePembrolizumabDiscontinuationRenal cell carcinomaOncologyIpilimumabSorafenibClinical endpointClinical trialCancerPI3K/AKT/mTOR pathwayImmunotherapyHepatocellular carcinomaDiscovery and development of mTOR inhibitors

Résumé

récupéré en direct d'OpenAlex

304 Background: Current treatment principles for advanced nccRCC have been largely extrapolated from guidelines for clear cell RCC. Given the emerging randomized data for select nccRCC subtypes, real-world outcomes for these patients are informative particularly in the contemporary checkpoint inhibitor era. Methods: We performed an analysis using the Canadian Kidney Cancer information system (CKCis), a prospective database involving 14 academic centers, on nccRCC patients undergoing first-line systemic therapy between January 2011 – December 2019. Treatment groups were defined as receipt of: vascular endothelial growth factor receptor tyrosine kinase inhibitors (VEGF-TKI), mammalian target of rapamycin inhibitors (mTORi), and PD-1/PD-L1 immune checkpoint inhibitors (ICI, mono- or combination therapy). Primary outcome was 1-yr overall survival (OS) rate. Secondary outcomes were median time to treatment failure ((TTF, months), defined as treatment discontinuation, change or death) and objective response rate (ORR, %). Results: We identified 265 nccRCC patients: 204 (77.0%) received VEGF-TKI, 19 (7.2%) received mTORi and 42 (15.8%) received ICI-based first-line therapy (Table). Overall, median age was 64 years, 75% were male, 84% were classified as IMDC intermediate/poor risk, and 16% underwent prior nephrectomy. Twenty-three percent of patients were enrolled in clinical trials. Patients received primarily sunitinib (81%) or pazopanib (15%) in the VEGF-TKI group (other: 4%), while mTORi-treated patients received temsirolimus (74%) or everolimus (26%). For the ICI-based treatment group, most patients received combination therapy as ipilimumab-nivolumab (71%) or pembrolizumab-axitinib (26%), with 3% receiving ICI monotherapy. 1-yr OS was 65.2% for VEGF-TKI, 57.9% for mTORi and 69.0% for ICI-treated patients. Median TTF was 3.3 for VEGF-TKI, 3.5 for mTORi and 7.1 mos for ICI-treated patients. ORR was 17%, 5%, and 37% respectively for the VEGF-TKI, mTORi and ICI-treated groups. Conclusions: We describe the effectiveness of first-line therapy for patients with nccRCC from a national database. This real-world data suggests an association between first-line ICI-based therapies and improved outcomes, albeit with cabozantinib not available for the indication during this time. Our data supports consensus recommendations for preferred use of ICI-based or VEGF-TKI over mTORi as first-line therapy in nccRCC.[Table: see text]

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,367
Écart entre enseignants0,325 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRenal cell carcinoma treatment→Travaux en français237 207→