NCOG-16. REAL-WORLD ANALYSIS OF OUTCOMES OF PATIENTS RECEIVING BEVACIZUMAB FOR RECURRENT GLIOBLASTOMA
Notice bibliographique
Résumé
Abstract Bevacizumab has been publicly funded in British Columbia (BC) since 2011 for treatment of recurrent glioblastoma (rGBM). We performed a retrospective analysis of patients with rGBM treated with bevacizumab to evaluate treatment practices and outcomes. 245 patients with rGBM treated at BC Cancer centers with bevacizumab between January 2011 and December 2019 were reviewed. Patient demographics, tumor characteristics, treatment regimens, and dates and type of radiographic progression and death were collected. Kaplan-Meier method was used to assess overall survival from time of bevacizumab initiation (BevOS), and comparisons were made using the log-rank test. Median OS was 7 months (CI95 = 6.28-7.73) from bevacizumab initiation. 66% of patients on corticosteroids prior to bevacizumab reduced their dose, and performance status was the same or improved in 84% of patients shortly after initiation, suggesting improvement in quality of life. Patients started on bevacizumab < 6 months from chemoradiation (prior to completion of adjuvant temozolomide) had improved BevOS compared to those who started bevacizumab later (p = 0.019), but there was no association between extent of treatment prior to bevacizumab and outcomes (p = 0.417). Additionally, patients who had local progression prior to bevacizumab initiation had improved BevOS compared to those who had distant progression (p = 0.004), suggesting that pseudoprogression may have prompted the therapeutic switch. Furthermore, though there were no differences in baseline characteristics for patients treated at high volume centers vs. low volume centers, patients treated at high volume centers had improved BevOS (p = 0.004), potentially due to differences in expertise between centers or other social determinants of health not captured in baseline demographics. Together, these data highlight the need for optimization of patient selection and bevacizumab administration in high and low volume centers.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».