Efficacy and toxicity of combined inhibition of EGFR and VEGF in patients with advanced non-small-cell lung cancer harboring activating EGFR mutations: A systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Purpose: Dual inhibition of epidermal growth factor receptor (EGFR) and vascular endothelial growth factor (VEGF) pathways have demonstrated promising results for treatment of advanced non-small cell lung cancer (NSCLC) harboring EGFR mutations. We conducted a systematic review and meta-analysis to assess the efficacy and toxicity of combined treatment with EGFR tyrosine kinase inhibitors (TKIs) and VEGF blockade.Methods: The electronic databases PubMed, Cochrane Library and EMBASE, were searched for relevant randomized trials between 2000 and 2020. The primary endpoints were overall survival (OS) and progression-free survival (PFS). Secondary endpoints included objective response rate (ORR), disease control rate (DCR), and adverse events (AEs). Pooled hazard ratios for OS and PFS, and odds ratios for ORR, DCR and toxicity were meta-analyzed using the generic inverse variance and the Mantel-Haenszel methods. Subgroup analyses compared PFS by gender, age, smoking status, EGFR mutation, intra-cranial disease and ECOG status.Results: A total of 1,246 patients from 6 trials were evaluated for analyses. Dual treatment decreased the risk of disease progression by 38%, but had no added benefit on OS compared to EGFR inhibition alone. There was no significant difference in ORR or DCR between treatments and more AEs reported in the dual treatment arm. The PFS benefit was consistent across all subgroups.Conclusions: This meta-analysis suggests combined inhibition of EGFR and VEGF pathways significantly improves PFS, with no interim OS benefit, and increases AEs. Mature OS data are needed along with results from trials exploring this strategy with 3rd generation TKIs to strengthen these results.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,035 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».