Therapeutic outcome of combination therapy using immune-checkpoint inhibitors and tyrosine kinase inhibitors for metastatic non-clear-cell renal cell carcinoma
Notice bibliographique
Résumé
INTRODUCTION: We aimed to clarify the therapeutic outcome of combination therapy using immune-checkpoint inhibitors (ICIs) and/or tyrosine kinase inhibitors (TKIs) for meta-static non-clear-cell renal cell carcinoma (nccRCC). METHODS: We have been retrospectively investigating the therapeutic efficacy and prognosis in 36 patients with metastatic nccRCC undergoing combination therapy using two ICIs, ipilimumab plus nivolumab (ICI-ICI), and ICI plus TKI (ICI-TKI), at Kobe University and affiliated institutions since 2018. Progression-free survival (PFS), overall survival (OS), objective response rate (ORR), and adverse event (AE) were compared. RESULTS: The first-line regimen was ICI-ICI in 26 cases and ICI-TKI in 10 cases. The ORRs in the ICI-ICI and ICI-TKI groups were 34.6 and 30.0%, respectively (p=0.9433). The 50% PFS for the ICI-TKI group was 9.7 months, significantly longer than that for the ICI-ICI group (4.6 months, p=0.0499), and there was no significant difference in OS between groups (p=0.3984). There was no significant difference in the occurrence rate of AE for below grade 2 (p=0.8535), nor above grade 3 (p=0.3786) between the ICI-ICI and ICI-TKI groups. CONCLUSIONS: From our analysis of real-world data, a better outcome of PFS was expected in the ICI-TKI group compared with that in the ICI-ICI group, while there was no significant difference in OS or ORR.
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 | 0,001 | 0,001 |
| 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 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 ».