Pharmacotherapy for leptomeningeal disease in breast cancer
Notice bibliographique
Résumé
Clinical data supporting the best therapeutic approach in leptomeningeal disease (LMD; also known as leptomeningeal metastases or leptomeningeal carcinomatosis) are lacking. Despite the development of new agents and increasing incidence of central nervous system metastases, patients with LMD are often excluded from clinical trials in breast cancer, with very few conducted specifically in LMD. Consequently, current evidence may not provide an accurate reflection of real-world clinical practice. This review aims to provide further insight into the treatment strategies for patients with breast cancer and LMD. We explore differences between clinical and real-world studies, considering inclusion criteria, levels of evidence for LMD diagnosis, and time between diagnosis of LMD and LMD-specific treatment initiation. Patient prognosis is poor; median overall survival is limited to several months, with approximately 10% of patients alive at 12 months. Efficacy results have been reported for various systemic and intrathecal agents in LMD to date. Systemic therapies under investigation for LMD in breast cancer include tucatinib, trastuzumab deruxtecan, and paclitaxel trevatide; trastuzumab is the main intrathecal agent currently under investigation. Recent trials investigating systemic or intrathecal therapies are typically small, single-arm studies, and most are restricted to patients with human epidermal growth factor receptor 2-positive breast cancer. Moreover, the variability among inclusion criteria and response assessment tools makes the interpretation of results difficult. Large retrospective cohorts with various inclusion criteria and treatment regimens provide some real-world data. However, there remains an urgent need for randomised clinical trials which include patients with LMD across all breast cancer subtypes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».