Optimal Choice as First-Line Therapy for Patients with Triple-Negative Breast Cancer: A Bayesian Network Meta-Analysis
Notice bibliographique
Résumé
To identify the advantageous therapy as the first-line treatment for patients with triple-negative breast cancer (TNBC). Randomized controlled trials were searched for on Medline, Embase, ClinicalTrials.gov, and the Cochrane Library between January 2001 and December 2021. The primary endpoint was progression-free survival (PFS) and secondary endpoints were overall survival (OS) and treatment-related adverse events (TRAEs). A Bayesian framework was applied to facilitate indirect comparisons, of which the outcomes were presented using cumulative ranking curve (SUCRA) values, synthesized hazard ratio, risk ratio, and 95% credible interval. A total of 3140 patients were identified. Pooled results of PFS revealed that chemotherapy plus AKT inhibitors (AKTi) was likely the most effective therapy among enrolled therapies (SUCRA = 91.6%), of which the result remained consistent in comparative analysis for OS. In addition, no significant difference was detected between PD-1/PD-L1 antibodies in patients, whereas the PD-1 inhibitors (PD-1i) regimen was advantageous over PD-L1 inhibitor (PD-L1i) therapy for PD-L1 positive TNBC. Concerning TRAEs, an apparent heterogeneity associated with safety profiles were denoted among enrolled agents. Chemotherapy plus AKTi was the most effective therapy with comparable safety profiles. Chemotherapy plus the anti-PD-1 regimen was advantageous over the combination therapy based on the PD-L1 blockade.
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 | 0,025 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,027 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».