Efficacy of First-Line Immunotherapy Combined With Chemotherapy in Extensive-Stage Small Cell Lung Cancer Patients With Different Brain Metastases Status: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: This study aims to evaluate the efficacy of first-line immunotherapy combined with chemotherapy in extensive-stage small cell lung cancer (ES-SCLC) patients with differing brain metastasis statuses. Methods: We conducted a comprehensive search in public databases, such as PubMed, EMBASE, and the Cochrane Library, to identify randomized controlled trials involving ES-SCLC patients, with or without brain metastases, who underwent first-line immunotherapy combined with chemotherapy. The primary outcome measure was progression-free survival (PFS), and the secondary outcome measure was overall survival (OS). Results: Our analysis incorporated seven high-quality randomized controlled trials, encompassing 398 patients with brain metastases and 3,533 without. Among patients without brain metastases, the combination of immunotherapy and chemotherapy led to significantly improved PFS (hazard ratio (HR) = 0.72, 95% confidence interval (CI): 0.62 - 0.84, P < 0.001) and OS (HR = 0.77, 95% CI: 0.67 - 0.88, P < 0.001) in comparison to chemotherapy alone. Conversely, for patients with brain metastases, the addition of immunotherapy to chemotherapy did not result in a significant improvement in PFS (HR = 1.03, 95% CI: 0.66 - 1.61, P = 0.887) or OS (HR = 1.03, 95% CI: 0.82 - 1.31, P = 0.776) when compared to chemotherapy alone. Conclusions: In ES-SCLC patients without brain metastases, first-line immunotherapy combined with chemotherapy demonstrated improved PFS and OS in contrast to chemotherapy alone. However, patients with brain metastases did not experience similar benefits.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».