MétaCan
Menu
Retour à la cohorte
Enregistrement W4399324701 · doi:10.1200/jco.2024.42.16_suppl.2008

Results from METIS (EF-25), an international, multicenter phase III randomized study evaluating the efficacy and safety of tumor treating fields (TTFields) therapy in NSCLC patients with brain metastases.

2024· article· en· W4399324701 sur OpenAlexaffabout
Minesh P. Mehta, Vinai Gondi, Manmeet S. Ahluwalia, David Roberge, Rosanda Ilić, Terence T. Sio, Daniel M. Trifiletti, Thierry Muanza, Ana Mišir Krpan, Naren Ramakrishna, John B. Fiveash, Philippe Métellus, Chiachien Jake Wang, L. Feuvret, Christian F. Freyschlag, Tibor Csőszi, Paul D. Brown, Zhengfei Zhu, Jinming Yu, Maciej Harat

Notice bibliographique

RevueJournal of Clinical Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensJewish General HospitalMcGill UniversityCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineOncologyInternal medicineMetis

Résumé

récupéré en direct d'OpenAlex

2008 Background: For non-small cell lung cancer (NSCLC) with brain metastases (BM) stereotactic radiosurgery (SRS) is the current preferred therapy. Due to frequent intracranial failures, there is a high unmet need for salvage therapies. Whole brain radiotherapy (WBRT) reduces intracranial failure but used less frequently due to cognitive consequences. Tumor Treating Fields (TTFields) are electric fields that disrupt cancer cell division and have shown improved survival and safety in patients with glioblastoma and metastatic NSCLC. Phase 3 METIS trial [NCT02831959] aimed to evaluate the efficacy and safety of TTFields therapy in NSCLC patients with BM treated with SRS, specifically in terms of lengthening time to intracranial progression without cognitive decline. Methods: Mutation negative (M-) NSCLC patients with 1–10 BM were randomized 1:1 to receive stereotactic radiosurgery (SRS) followed by Tumor Treating Fields (TTFields; 150 kHz) therapy with best supportive care (BSC) or SRS followed by BSC. Patients with Karnofsky Performance Status (KPS) ≥70, newly diagnosed with one inoperable or 2–10 supra-/infratentorial brain metastases suitable for SRS and receiving optimal extracranial disease therapy were included. Exclusions were prior WBRT and single operable or recurrent brain metastases. Primary endpoint was time to first intracranial progression (RANO-BM) based on cumulative risk. Patients were followed every two months until second intracranial progression. Cognition and patient quality of life (QoL) were evaluated. Results: Between July 2016 and September 2022, 298 patients were randomized. Baseline characteristics were balanced: median age was 63.5 (range 37-84) years, 37.6% females, majority of patients had a KPS ≥ 80, median time from initial NSCLC diagnosis was 1.8 months (range: 0.2-55.7), 77% had adenocarcinoma. Median treatment duration of TTFields was 16 weeks, with a median usage time of 67%. Primary endpoint, time to intracranial progression from SRS, was significantly prolonged with SRS followed by TTFields therapy with BSC vs. BSC alone arm (median of 21.9 vs. 11.3 months); HR=0.67 [0.48-0.93], p=0.02. TTFields-related AEs were mainly dermatological, and Grade ≤2. TTFields therapy also improved deterioration-free survival of global health status, physical functioning, and fatigue according to QoL, and did not negatively impact cognition. Conclusion: METIS study met its primary endpoint, demonstrating that TTFields therapy following SRS in mutation negative NSCLC patients with BM, significantly prolongs time to intracranial progression and could postpone WBRT, without QoL and cognition decline. Clinical trial information: NCT02831959 .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,025
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,601
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,501
Écart entre enseignants0,429 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207