Impact of Liver Metastasis on First-Line Immunotherapy in Stage IV Non-Small Cell Lung Cancer
Notice bibliographique
Résumé
Background: Immunotherapy has become a key component of systemic therapy in stage IV non-small cell lung cancer (NSCLC). However, there have been conflicting reports of its efficacy in patients with liver metastasis (LM). Methods: Using National Cancer Database (NCDB), patients who have been diagnosed and treated at Commission on Cancer- participating US institutions were screened for analysis. Selection criteria included clinical stage IV NSCLC, available cTNM stage information, overall survival (OS) with at least 1 month, and diagnosis between 2015 and 2017. They were grouped based on status of LM as well as use of immunotherapy. Clinical characteristics were collected and their association with LM/immunotherapy was analyzed. Impact of immunotherapy on OS was examined according to LM status. Propensity score matching (PSM) analysis was also conducted. Results: A total of 83,479 including 18,497 LM-positive and 64,982 LM-negative patients met the study criteria. Presence of LM was associated with a number of clinical variables such as younger age, male sex, and chemotherapy. OS in patients with LM was significantly worse than that in those without LM (median OS, 5.0 vs. 8.8 months; hazard ratio (HR), 1.46; log-rank, P < 0.0001). Significant OS benefit from immunotherapy was observed in both LM-positive (median OS, 4.1 vs. 9.0 months; HR, 0.62; P < 0.0001) and negative groups (median OS, 7.2 vs. 15.6 months; HR, 0.64; P < 0.0001). Conclusion: Immunotherapy benefited similarly to the survival of metastatic NSCLC patients regardless of with or without LM. Further research to validate the result would be warranted.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».