Bevacizumab Treatment for Low-Grade Serous Ovarian Cancer: A Systematic Review
Notice bibliographique
Résumé
Serous epithelial ovarian cancer, classified as either high-grade (90%) or low-grade (10%), varies in molecular, histological, and clinicopathological presentation. Low-grade serous ovarian cancer (LGSOC) is a rare histologic subtype that lacks disease-specific evidence-based treatment regimens. However, LGSOC is relatively chemo-resistant and has a poor response to traditional treatments. Alternative treatments, including biologic therapies such as bevacizumab, have shown some activity in LGSOC. Thus, the objective of this systematic review is to determine the effect and safety of bevacizumab in the treatment of LGSOC. Following PRISMA guidelines, Medline ALL, Cochrane Central Register of Controlled Trials, Cochrane Database of Systematic Reviews, Embase all from the OvidSP platform, ClinicalTrials.gov, International Clinical Trials Registry Platform, International Standard Randomised Controlled Trial Number Registry were searched from inception to February 2022. Articles describing bevacizumab use in patients with LGSOC were included. Article screening, data extraction, and critical appraisal of included studies were completed by two independent reviewers. The effect of bevacizumab on the overall response rate, progression-free survival, overall survival, and adverse effects were summarized. The literature search identified 3064 articles, 6 of which were included in this study. A total of 153 patients were analyzed; the majority had stage IIIC cancer (56.2%). The overall median response rate reported in the studies was 47.5%. Overall, bevacizumab is a promising treatment for LGSOC, with response rates higher than traditional treatment modalities such as conventional chemotherapy, and is often overlooked as a treatment tool. A prospective clinical trial evaluating the use of bevacizumab in LGSOC is necessary to provide greater evidence and support these findings.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».