Impact of MET status on treatment outcomes in papillary renal cell carcinoma: A pooled analysis of historical data
Notice bibliographique
Résumé
BACKGROUND: Papillary renal cell carcinoma (PRCC) represents 15% of RCCs but has no indicated therapies, with limited biomarker-based data to inform targeted treatment. MET alterations may be key; > 80% of PRCC tumours show MET upregulation. The objective of this study was to assess MET status in PRCC and its impact on clinical outcomes. METHODS: This retrospective, observational study included patients with locally advanced/metastatic PRCC from three international registries. MET status was determined retrospectively by next generation sequencing (NGS) of archival tissue. MET-driven was defined as MET and/or hepatocyte growth factor amplification, chromosome 7 gain, and/or MET kinase domain mutations. Objectives included progression-free survival (PFS) and overall survival (OS) by MET status using a Cox proportional hazards model. RESULTS: Of 308 patients, 305 received first-line treatment; most commonly sunitinib (n = 208; 68%), then everolimus (n = 40; 13%). Of 179 patients with valid NGS results, 38% had MET-driven and 49% MET-independent tumours (13% unevaluable). In the MET-driven versus MET-independent subgroups, respectively, of sunitinib-treated patients, median PFS was numerically longer, though not statistically significantly; PFS: 9.2 months (95% confidence interval [CI]: 5.4-13.2) versus 5.7 months (95% CI: 4.3-7.4), hazard ratio (HR) = 0.67; 95% CI: 0.41-1.08. There was no difference between the OS of each subgroup. CONCLUSIONS: MET-driven PRCC may respond to targeted agents. However, the presence of MET alterations did not appear to be predictive for outcomes in response to current therapies, which are not biomarker-driven, compared with MET-independent tumours.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».