Efficacy of Maintenance Therapies By Prognostic Subgroups in Post-Transplant Newly Diagnosed Multiple Myeloma Patients: A Systematic Review and Network Meta-Analysis
Notice bibliographique
Résumé
Introduction The optimal maintenance regimen by prognostic categories remains unclear in newly diagnosed multiple myeloma (NDMM) patients undergoing autologous stem cell transplant (ASCT). Therefore, we conducted a systematic review and network meta-analysis (NMA) to assess the comparative effectiveness of novel agents by different prognostic groups. Methods A comprehensive systematically structured literature search was conducted to identify phase II/III randomized controlled trials (RCTs) evaluating maintenance therapies in post-transplant NDMM patients and reporting data by subgroups including but not limited to international staging system (ISS), and cytogenetic risk. High cytogenetic risk (HCR) and standard cytogenetic risk (SCR) were defined in accordance with the eligible trials. Main outcomes of interest were overall survival (OS) and progression-free survival (PFS). Precomputed hazard ratios (HR) with 95% CI were pooled using an inverse variance approach. A frequentist network meta-analysis was conducted. P-score (PS) were used to assess relative rankings of the treatments and were interpreted in congruency with pairwise estimates. Higher ranks indicated better efficacy. Results This NMA included six RCTs with 4119 participants and six unique treatment arms. In patients with SCR, the combination of carfilzomib, lenalidomide, and dexamethasone (KRd) improved PFS when compared to lenalidomide (Len; HR: 0.44; 95% CI: 0.24-0.81), daratumumab (Dara; 0.27; 0.13-0.55), ixazomib (Ixa; 0.26; 0.13-0.53), and no maintenance therapy (0.17; 0.09-0.32). Similarly, KR improved PFS compared to lenalidomide (Len; 0.56; 0.33-0.96), daratumumab (Dara; 0.34; 0.18-0.65), ixazomib (Ixa; 0.33; 0.17-0.63), and no maintenance therapy (0.21; 0.12-0.38). There was no statistically significant difference between KRd and KR. KRd was ranked as potentially the most efficacious treatment (rank 1) followed by KR (rank 2), Len (rank 3), Dara (rank 4), and Ixa (rank 5) for improving PFS in SCR. In patients with HCR, KRd (0.35; 0.14-0.92), KR (0.32; 0.15-0.67), Dara (0.43; 0.25-0.73), and Len (0.48; 0.35-0.64) improved PFS when compared to no maintenance therapy. No other significant differences were observed in HCR patients. KR was ranked as potentially the most efficacious treatment followed by KRd (rank 2), Dara (rank 3), Len (rank 5), and Ixa (rank 5) for PFS in HCR patients. In patients with ISS-I/II, KRd and KR improved PFS when compared to Dara (KRd vs. Dara - 0.32; 0.16-0.65, KR vs Dara - 0.50; 0.26-0.94), and Ixa (KRd vs. Ixa - 0.22; 0.11-0.45, KR vs Ixa - 0.35; 0.18-0.65). KRd, not KR, improved PFS when compared to Len (0.41; 0.22-0.76). Rankings were consistent with those observed in SCR patients. No significant differences were observed among mixed treatment comparisons for ISS-III patients. Limited number of trials reporting OS precluded formal assessment. Conclusions The current data suggest that KRd and KR may delay disease progression regardless of risk category. Overall survival data is still emerging and, if consistent, may influence clinical practice. We maintain a living meta-analysis to incorporate new evidence constantly.
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 | 0,016 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,034 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».