Cabozantinib in the Routine Management of Renal Cell Carcinoma: A Systematic Literature Review of Real-World Evidence
Notice bibliographique
Résumé
Real-world cabozantinib use has increased since its approval to treat patients with advanced renal cell carcinoma (RCC) in 2016. We reviewed cabozantinib use in real-world clinical practice and compared outcomes with pivotal cabozantinib randomized control trials (RCTs). This PRISMA-standard systematic literature review evaluated real-world effectiveness and tolerability of cabozantinib in patients with RCC (PROSPERO registration: CRD42021245854). Systematic MEDLINE, Embase, and Cochrane database searches were conducted on November 2, 2022. Eligible publications included ≥ 20 patients with RCC receiving cabozantinib. After double-screening for eligibility, standardized data were abstracted, qualitatively summarized, and assessed for risk of bias using the Newcastle-Ottawa Scale. Of 353 screened publications, 41 were included, representing approximately 11,000 real-world patients. Most publications reported cabozantinib monotherapy cohort studies (40/41) of retrospective (39/41) and multicenter (32/41) design; most included patients from North America and/or Europe (30/41). Baseline characteristics were demographically similar between real-world and pivotal RCT populations, but real-world populations showed greater variation in prevalence of prior nephrectomy, multiple-site/brain metastasis, and nonclear-cell RCC histology. Cabozantinib activity was reported across real-world treatment lines and tumor types. Overall survival, progression-free survival, and objective response rate values from pivotal RCTs were within the ranges reported for equivalent outcomes across real-world studies. Common real-world grade ≥ 3 adverse events were consistent with those in pivotal RCTs (fatigue, palmar-plantar erythrodysesthesia syndrome, diarrhea, hypertension), but less frequent. No new tolerability concerns were identified. Real-world RCC survival outcomes for cabozantinib monotherapy were broadly consistent with pivotal RCTs, despite greater heterogeneity in real-world populations.
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 | 0,018 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».