Adjuvant immunotherapy in renal cell carcinoma: a systematic review and <scp>meta‐analysis</scp>
Notice bibliographique
Résumé
OBJECTIVES: To synthesise available data regarding the disease-free survival (DFS) benefit of adjuvant immune checkpoint inhibitors (ICIs) for patients with renal cell carcinoma (RCC) and evaluate the overall safety profile of ICIs in this setting. MATERIALS AND METHODS: We utilised PubMed, Embase, and relevant conference proceedings to identify phase III randomised controlled trials comparing adjuvant ICIs vs placebo/observation for RCC. The primary outcome of interest was DFS. Variables for subgroup analyses were programmed death-ligand 1 (PD-L1) expression, sarcomatoid features, nephrectomy type, and disease-risk category. Secondary outcomes included Grade ≥3 adverse events (AEs), immune-related AEs, and treatment discontinuation due to AEs. All outcomes were analysed using random-effects models owing to inter-study heterogeneity. RESULTS: = 64%) due to differences in inclusion criteria and interventions. While pooled results across the four studies did not demonstrate a significant benefit in DFS overall (hazard ratio [HR] 0.85, 95% confidence interval [CI] 0.69-1.04) there was significant benefit among patients with positive PD-L1 expression (HR 0.72, 95% CI 0.55-0.94) and sarcomatoid features (HR 0.59, 95% CI 0.38-0.91). CONCLUSION: The evidence base to date regarding ICIs as adjuvant therapy in RCC is mixed - conclusions are limited by considerable heterogeneity between studies. However, pooled analyses suggest that patients with positive PD-L1 expression or sarcomatoid features are most likely to benefit from adjuvant immunotherapy.
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 | 0,014 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,022 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».