MétaCan
Menu
Retour à la cohorte
Enregistrement W4387393296 · doi:10.1097/md.0000000000034990

Predictive value of tumor mutational burden for PD-1/PD-L1 inhibitors in NSCLC: A meta-analysis

2023· review· en· W4387393296 sur OpenAlexaboutno aff
Wenjie Li, Yanjun Zhao, Hongjun Zhang, Zheng Wenying, Ruixuan Wang, Xing Gu

Notice bibliographique

RevueMedicine · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisOncologyCochrane LibraryInternal medicineLung cancerBiomarkerPredictive valueRandomized controlled trialPublication biasBioinformatics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: To investigate the association between tumor mutational burden (TMB) and the therapeutic effect of Programmed Death 1/Programmed Death Ligand 1 inhibitors in non-small cell lung cancer. METHODS: Four electronic databases, PubMed, Embase, Web of Science, and Cochrane Library, were searched on May 10, 2023, and no time limitation was applied. Analyses were performed using STATA17.0. We assessed the methodological quality of each randomized controlled trial using the Newcastle-Ottawa scale. RESULTS: After exhaustive database search and rigorous screening, 10 studies were included in the meta-analysis. Our findings indicate that high TMB significantly improves progression-free survival but reduces overall response rate. The overall survival was not significantly different between the high and low TMB groups. No significant publication bias was observed. CONCLUSION: High TMB serves as a potential predictive biomarker for improved progression-free survival and reduced overall response rate in patients with non-small cell lung cancer treated with programmed death 1/programmed death ligand 1 inhibitors. However, its predictive value in overall survival requires further investigation.

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)0,012
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,022
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0140,035
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,133
Tête enseignante GPT0,408
Écart entre enseignants0,275 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicineMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207