MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399325164 · doi:10.1200/jco.2024.42.16_suppl.2022

Dual-agent immunotherapy for prevention of melanoma brain metastases: A real-world analysis of 8686 patients.

2024· article· en· W4399325164 sur OpenAlexaff
Alireza Mansouri, Debarati Bhanja, Hannah Wilding, Nicholas Mikolajewicz, Ahmad Ozair, Manmeet S. Ahluwalia

Notice bibliographique

RevueJournal of Clinical Oncology · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineMelanomaImmunotherapyBrain metastasisDual (grammatical number)OncologyIpilimumabInternal medicineMetastatic melanomaCancerMetastasisCancer research

Résumé

récupéré en direct d'OpenAlex

2022 Background: Melanoma brain metastases (MBM) are a common endpoint among patients with advanced melanoma and prognosis is poor. Strategies for MBM prevention can prolong life and reduce morbidity. Dual agent immunotherapy (dIT) has been paradigm-changing in management malignant melanoma management. Recent clinical trials have supported the role of dIT for upfront management of small, asymptomatic MBM. Yet, its potential role in extending brain metastasis-free survival (BMFS) and decreasing MBM incidence overall has not been explored. The objective was to compare MBM incidence, median overall survival (OS), and BMFS in melanoma patients treated with dIT versus single immunotherapy (sIT). Methods: A real-world deidentified database collating clinical information from 92 organizations (TriNetX, Inc.) was queried. Melanoma patients without brain metastases prior to immunotherapy were stratified by treatment (anti-CTLA4 [sIT] and combination anti-CTLA4/ anti-PD1 [dIT]) and propensity-score matched. MBM incidence was measured within 5 years post-IT initiation. A complementary single-institution retrospective cohort study analyzed melanoma patients treated from 2012-2019. Median OS and BMFS were compared via log-rank tests and multivariate Cox proportional-hazards models. A competing risk analysis was performed to measure the cumulative incidences of MBM and death without MBM. Results: TriNetX identified 8,686 melanoma patients who received immunotherapy (4,585 dIT; 4,101 sIT). MBM incidence was 13.4%, and 19.3%, for the dIT and sIT cohorts, respectively (p < 0.0001). DIT was associated with a lower likelihood of developing MBM compared to sIT (RR [95%CI], 0.69 [0.62-0.77]). After propensity-score matching on demographics and comorbidities, MBM incidence was similarly 13.3% and 18.5% for the dIT and sIT cohorts, respectively. On single-institution analysis, 130 melanoma patients were included (87 dIT; 43 sIT with anti-CTLA4). In patients with stage IV disease, median OS was 1.70 and 3.66 years for the sIT and dIT cohorts, respectively (p=0.6). Median BMFS was 1.56 and 2.36 years in the sIT and dIT cohorts respectively (p=0.76). On multivariable Cox proportional hazard regression analysis, NRAS mutation was significantly correlated with a worse prognosis for BMFS. Conclusions: These data highlight the impact of combination anti-CTL4/ anti-PD1 immunotherapy in decreasing MBM incidence. The potential primary prophylactic role of dIT in MBM warrants prospective exploration, including mechanistic understanding.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,123
Tête enseignante GPT0,510
Écart entre enseignants0,387 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetComputational Drug Discovery Methods→Travaux en français237 207→