Neoadjuvant Durvalumab Alone or Combined with Novel Immuno-Oncology Agents in Resectable Lung Cancer: The Phase II NeoCOAST Platform Trial
Notice bibliographique
Résumé
Neoadjuvant chemoimmunotherapy improves pathologic complete response rate and event-free survival in patients with resectable non-small cell lung cancer (NSCLC) versus chemotherapy alone. NeoCOAST was the first randomized, multidrug platform trial to examine novel neoadjuvant immuno-oncology combinations for patients with resectable NSCLC, using major pathologic response (MPR) rate as the primary endpoint. Eighty-three patients received a single cycle of treatment: 26 received durvalumab (anti-PD-L1) monotherapy, 21 received durvalumab plus oleclumab (anti-CD73), 20 received durvalumab plus monalizumab (anti-NKG2A), and 16 received durvalumab plus danvatirsen (anti-STAT3 antisense oligonucleotide). MPR rates were higher for patients in the combination arms versus durvalumab alone. Safety profiles for the combinations were similar to those of durvalumab alone. Multiplatform immune profiling suggested that improved MPR rates in the durvalumab plus oleclumab and durvalumab plus monalizumab arms were associated with enhanced effector immune infiltration of tumors, interferon responses and markers of tertiary lymphoid structure formation, and systemic functional immune cell activation. SIGNIFICANCE: A neoadjuvant platform trial can rapidly generate clinical and translational data using candidate surrogate endpoints like MPR. In NeoCOAST, patients with resectable NSCLC had improved MPR rates after durvalumab plus oleclumab or monalizumab versus durvalumab alone and tumoral transcriptomic signatures indicative of augmented immune cell activation and function. See related commentary by Cooper and Yu, p. 2306. This article is featured in Selected Articles from This Issue, p. 2293.
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 | 0,000 | 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) | 0,001 | 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 ».