MétaCan
Menu
Retour à la cohorte
Enregistrement W4379340377 · doi:10.1200/jco.2023.41.16_suppl.8503

Exploratory biomarker analysis of the phase 3 KEYNOTE-604 study of pembrolizumab plus etoposide for extensive-stage SCLC.

2023· article· en· W4379340377 sur OpenAlexaff
Charles M. Rudin, Hye Ryun Kim, Alejandro Navarro, Maya Gottfried, Solange Peters, Tibor Csőszi, Parneet Cheema, Delvys Rodríguez‐Abreu, Mira Wollner, James Chih‐Hsin Yang, Julien Mazières, Terufumi Kato, Gregory P. Kalemkerian, Elisha J. Dettman, Mackenzie Edmondson, Amir Vajdi, Andrey Loboda, Hazem El‐Osta, Bin Zhao, Mark M. Awad

Notice bibliographique

RevueJournal of Clinical Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Research Studies
Établissements canadiensWilliam Osler Health SystemUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePembrolizumabOncologyInternal medicineCancer researchCancerImmunotherapy

Résumé

récupéré en direct d'OpenAlex

8503 Background: In the phase 3 KEYNOTE-604 study of extensive-stage small-cell lung cancer (ES-SCLC; NCT03066778), first-line pembrolizumab (pembro) plus etoposide and platinum (EP) significantly improved PFS vs placebo (pbo) plus EP (HR, 0.75; P = 0.0023), with favorable OS (significance threshold not met; HR, 0.80; P = 0.0164). PFS/OS were similar regardless of PD-L1 CPS. In this exploratory analysis, tumor mutational burden (TMB), 18-gene T cell–inflamed gene expression profile (TcellinfGEP) and SCLC transcriptional subtypes were assessed as correlates of survival. Methods: Patients (pts) eligible for this analysis of KEYNOTE-604 had previously untreated ES-SCLC with evaluable pretreatment tumor samples. TMB was assessed by whole-exome sequencing (WES) of tumor and matched normal DNA. RNA-seq was used to determine TcellinfGEP and SCLC transcriptional subtypes (ASCL1, POU2F3, NEUROD1, YAP1, or inflamed). Associations of TMB, TcellinfGEP, and SCLC subtype with OS were analyzed using an adjusted Cox proportional hazards model. 1-sided (pembro + EP) and 2-sided (pbo + EP) P values were calculated for TMB and TcellinfGEP (prespecified α = 0.05); 2-sided P values were calculated for SCLC subtype (multiplicity-adjusted, α = 0.10). Clinical utility was assessed using prespecified cutoffs of ≥175 mut/exome for TMB and the first tertile for TcellinfGEP. Clinical data cutoff date was Dec 2, 2019. Results: Of 453 pts randomized in KEYNOTE-604 (ITT), 318 had WES data (pembro + EP, n = 167; pbo + EP, n = 151), and 316 had RNA-seq data (pembro + EP, n = 159; pbo + EP, n = 157). High TMB was positively associated with OS in the pbo + EP group ( P = 0.005) but not the pembro + EP group ( P = 0.450). There was a positive association between higher TcellinfGEP and OS in the pembro + EP ( P = 0.003) and pbo + EP ( P < 0.005) groups. SCLC subtypes were not associated with OS in either group (pembro + EP, P = 0.960; pbo + EP, P = 0.999). Clinical benefit of pembro + EP over pbo + EP was demonstrated for TMB <175 mut/exome, but not for TMB ≥175 mut/exome. Pembro + EP benefit over pbo + EP was consistent across TcellinfGEP subgroups. Conclusions: In this exploratory analysis of biomarker subgroups of KEYNOTE-604, TMB and SCLC subtypes were not associated with OS in the pembro + EP group in pts with ES-SCLC. While TcellinfGEP was positively associated with OS in both treatment groups, no additional OS benefit was observed with pembro + EP. Further research is warranted to better identify predictive biomarkers to immunotherapy. Clinical trial information: NCT03066778 . [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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,398
Tête enseignante GPT0,605
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetLung Cancer Research StudiesTravaux en français237 207