Notice bibliographique
Résumé
Advances in myeloma biology and the identification of new anti-myeloma agents have resulted in improved management of younger, transplant-eligible, and older patients. The first novel agents—thalidomide, bortezomib, and lenalidomide—have been integrated into induction therapy before autologous stem cell transplant (ASCT) as well as into first-line therapy in elderly individuals; phase III trials have established the superiority of these approaches in terms of better response rates, progression-free survival (PFS), and, in some studies, overall survival. With more experience, improvements in dosing have decreased the toxicity of these regimens. Before ASCT, four phase III studies have shown that bortezomib-based regimens confer better outcomes than older regimens. Posttransplant consolidation and maintenance strategies with novel agents provide additional benefit, particularly in terms of a longer PFS. In the elderly population, novel agents can be combined with melphalan plus prednisone (MP). MP plus thalidomide and MP plus bortezomib are commonly utilized, and the regimen of MP plus lenalidomide with lenalidomide maintenance (MPR + R) produces superior response rates and longer PFS compared with MP alone. Prolonged maintenance with bortezomib plus thalidomide also appears to extend PFS when given following combinations of MP plus bortezomib. Treatment of very elderly patients, however, remains challenging due to comorbidities and side effects. Lenalidomide plus weekly dexamethasone is also effective in elderly patients, and results of a trial comparing this regimen with MP plus thalidomide should be available soon. Finally, better methods of risk stratification and the availability of even newer drugs will allow future refinements in myeloma treatment.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».