Immune checkpoint inhibitors in cutaneous squamous cell carcinoma: A systematic review of clinical trials.
Notice bibliographique
Résumé
e21529 Background: Cutaneous squamous cell carcinoma (cSCC) with high-risk features is primarily treated with radiations or surgically. However, locally advanced (LA) or metastatic cSCC (mcSCC) may not be managed surgically and require systemic therapy. In this systematic review, we will assess the efficacy of immune checkpoint inhibitors (ICIs) in patients with resectable, LA, or mcSCC. Methods: A literature search was performed on PubMed, Embase, and clinicaltrials.gov with keywords, “cutaneous squamous cell carcinoma” and “immune checkpoint inhibitor” from the inception of data till 12/31/22. After screening of 883 articles, 8 clinical trials (N = 513) were included. Results: In 8 clinical trials (N = 513), 205 patients had LA cSCC, 99 patients had resectable cSCC, and 209 patients had mcSCC. 81 patients were newly diagnosed while 432 patients were relapsed/refractory (RR). Cemiplimab was used to treat 262 patients, pembrolizumab for 227 patients, and nivolumab for 24 patients. In 2 clinical trials (N = 142) on RR LA cSCC, complete response (CR), partial response (PR), overall response (OR), and progressive disease (PD) were 13-17%, 31-33%, 44-50%, and 12-17%, respectively, in patients treated with ICIs. In 3 clinical trials (N = 175) on RR mcSCC, CR, PR, OR, and PD were 7-18%, 25-41%, 36-64%, and 16-26%, respectively. In two clinical trials (N = 81) on ND cSCC patients, CR, PR, OR, and PD were 0-7%, 35-58%, 42-58%, and 32-20%, respectively. In 2 clinical trials (N = 99) on resectable cSCC, pathological CR, pathological major response, and PD were 51-75%, 13-20%, and 10%, respectively, in patients treated with ICIs. Table. Conclusions: ICIs including cemiplimab, pembrolizumab, and nivolumab were effective in the treatment of resectable, LA, and mcSCC. ICIs were effective in the treatment of both R/R and treatment naïve mcSCC. However, no results were available for randomized clinical trials and large-scale randomized studies are needed to confirm these results. [Table: see text]
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,000 | 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) | 0,006 | 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 ».