Upfront BRAF/MEK inhibitors for treatment of high-grade glioma: A case report and review of the literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background High-grade gliomas (HGG) with BRAFV600E mutation represent a unique subset of central nervous system tumors. Targeted therapies including BRAF and MEK inhibitors are now being explored as possible new treatment options. Methods We report an 18-year-old female with a grade 3 pleomorphic xanthoastrocytoma treated upfront with dabrafenib and trametinib. We also conducted a systematic literature review of patients with HGG and BRAFV600E mutations treated with BRAF inhibitors. Results Despite local recurrences resected surgically, the patient has been on dabrafenib and trametinib for more than 54 months. Thirty-two patients with HGG and BRAFV600E mutations treated with BRAF inhibitors were retrieved through our systematic review of the literature. Only 1 young patient with an anaplastic ganglioglioma was treated upfront with a BRAF inhibitor with a curative intent. Best response reported with radiation therapy and systemic therapy was a stable disease (SD) for 18 patients (56.3%) and progressive disease (PD) for 9 patients (28.1%). Responses to treatment regimens that included BRAF inhibitors were reported in 31 patients and included 4 complete responses (12.9%), 23 partial responses (74.2%), 2 SDs (6.5%), and 2 PDs (6.5%). Conclusions Our patient had durable disease control with dabrafenib and trametinib. Given favorable responses reported in patients with HGG treated with BRAF inhibitors, we believe that upfront targeted therapy is a possible treatment approach that should be studied in the context of a clinical trial.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle