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 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 | 0,013 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».