Outcome of carfilzomib/pomalidomide‐based regimens after daratumumab‐based treatment in relapsed multiple myeloma: A Canadian Myeloma Research Group Database analysis
Notice bibliographique
Résumé
INTRODUCTION: Although daratumumab-containing regimens improve multiple myeloma (MM) outcomes, recurrence is inevitable. METHODS AND OBJECTIVE: We performed a retrospective study using the Canadian Myeloma Research Group Database to benchmark the efficacy of carfilzomib- or pomalidomide-based therapies immediately following progression on daratumumab treatment. RESULTS: We identified 178 such patients; median number of prior lines of therapy was 3, 97% triple-class exposed, and 60% triple-class refractory. In our cohort, 75 received a subsequent carfilzomib-based therapy, 79 received a pomalidomide-based therapy, and 24 received a treatment with both immunomodulatory drug (IMiD) and proteasome inhibitor (PI) using carfilzomib and/or pomalidomide. The median progression-free survival (PFS) and overall survival (OS) for the entire cohort were 4.5 and 14.2 months, respectively. Carfilzomib-based therapy yielded a median PFS and OS of 4.5 and 10.2 months, respectively, compared to 5.2 and 21.7 months for pomalidomide-based therapy. Patients who received both IMiD and PI with carfilzomib and/or pomalidomide had a median PFS and OS of 4.1 and 14.5 months, respectively. CONCLUSION: Our observations demonstrate the poor outcome of MM patients when standard regimens based on carfilzomib and/or pomalidomide are utilized directly after daratumumab-based therapy given in the relapsed setting. Novel therapies, including immune therapies, are urgently needed to improve the outcomes of these daratumumab-exposed patients.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| 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 | 0,001 |
| 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 ».