Efficacy and Safety of Checkpoint Inhibitors in Clear Cell Renal Cell Carcinoma: A Systematic Review of Clinical Trials
Notice bibliographique
Résumé
Renal cell carcinoma (RCC) is the most common kidney cancer in adults (approximately 90%), and clear cell RCC (ccRCC) is the most frequent histologic subtype (approximately 75%). We reviewed the safety and efficacy of checkpoint inhibitors (CPIs) in ccRCC, identifying 5927 articles in PubMed, Embase, Cochrane, and Web of Science. Ten randomized control (N = 7765) and 10 non-randomized (N = 572) studies were included. Overall, 4819 patients treated with CPI combinations were compared with everolimus, sunitinib, or placebo. Overall response rates (ORR) were 9-25% with nivolumab (niv), 42% with niv + ipilimumab (ipi), 55.7% with niv + cabozantinib, 56% with niv + tivozanib vs. 5% with everolimus. ORR was 51.5-58% with avelumab + axitinib vs. 25.5% with sunitinib. ORR was 59.3-73% with pembrolizumab + tyrosine kinase inhibitor vs. 25.7% with sunitinib. ORR was 32-36% with atezolizumab + bevacizumab vs. 29-33% with sunitinib. In patients with PD-L1+ve and -ve ccRCC, niv, atezolizumab, ipi, and pembrolizumab were safe and effective alone and when combined with cabozantinib, tivozanib, axitinib, levantinib, and pegilodecakin. Atezolizumab + bevacizumab was safe and effective in ccRCC with high PD-L1 expression. Pembrolizumab was safe and effective in preventing recurrence in ccRCC patients with nephrectomy. Additional randomized, double-blind, multicenter clinical trials are needed to confirm these results.
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 | 0,009 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,010 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».