MétaCan
Menu
Retour à la cohorte
Enregistrement W4223553787 · doi:10.3389/fimmu.2022.875093

Inhibitors of PD-1 in Non-Small Cell Lung Cancer: A Meta-Analysis of Clinical and Molecular Features

2022· review· en· W4223553787 sur OpenAlexaboutno aff
Gengwei Huo, Wenjie Liu, Peng Chen

Notice bibliographique

RevueFrontiers in Immunology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensnon disponible
Organismes subventionnairesTianjin Municipal Science and Technology Bureau
Mots-clésMedicineInternal medicineLung cancerOncologyHazard ratioCochrane LibraryConfidence intervalMeta-analysisClinical trialRandomized controlled trialChemotherapyImmunotherapyCancer

Résumé

récupéré en direct d'OpenAlex

Objective: PD-1 inhibitors have become an indispensable treatment in Non-Small Cell Lung Cancer (NSCLC), but the potential predictive value of clinical and molecular features need to be clarified. The objective of the study was to study the potency of PD-1 inhibitors in patients with NSCLC in contexts of both clinical and molecular features, and to aid identification of patients for choice of type of PD-1 inhibitor therapy in order to acquire more accurate NSCLC treatment in immunotherapy. Method: PubMed, Google Scholar, Embase Science Direct, the Cochrane library, and major oncology conferences were searched for randomized clinical trials (RCTs) that were published prior to December 2021. RCTs that had PD-1 inhibitor alone or in combination with chemotherapy with non-PD-1 inhibitor for the treatment of NSCLC patients were selected. Two authors independently selected studies, data extraction and bias risk assessment. Basic characteristics of included studies, and also the 95% confidence interval and hazard ratios of the overall patients and subgroups were recorded. The inverse variance weighted method was used to estimate pooled treatment data. Result: A total of eleven RCTs including 5,887 patients were involved. PD-1 inhibitors-based therapy substantially enhanced OS compared with non-PD-1 inhibitor therapy in patients with age group <65 years, 65-74 years, active or previous smokers, without brain metastases, liver metastases, EGFR wild-type patients, individuals in East Asia and U.S./Canada, but not in patients with age group ≥75 years, never smokers, brain metastases, EGFR mutant patients or individuals in Europe. OS was improved in patients with NSCLC who received PD-1 inhibitors regardless of their gender (male or female), histomorphological subtypes (squamous or non-squamous NSCLC), performance status (0 or 1), and PD-L1 tumor proportion score (TPS) (<1%, ≥1%, 1-49%, or ≥50%). An analysis of subgroups revealed that, patients with age group <65 years old, male, non squamous cell carcinoma, PS 1, TPS ≥1%, and TPS ≥50% benefited from pembrolizumab treatment not related with treatment line and treatment regimen. Conclusion: Age group, smoking history, metastasis status/site, EGFR mutation status, and region can be used to predict the potency of PD-1 inhibitors, and to be individualized to choose different types of PD-1 inhibitors, and treatment regimen for NSCLC patients.

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)0,020
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,028
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0170,056
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
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 Opus0,046
Tête enseignante GPT0,363
Écart entre enseignants0,317 · 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'étudeMéta-analyse
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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207