MétaCan
Menu
Retour à la cohorte
Enregistrement W4400029468 · doi:10.1016/j.annonc.2024.05.541

Amivantamab plus lazertinib versus osimertinib in first-line EGFR-mutant advanced non-small-cell lung cancer with biomarkers of high-risk disease: a secondary analysis from MARIPOSA

2024· article· en· W4400029468 sur OpenAlexaff
Enriqueta Felip, Byoung Chul Cho, Adlinda Alip, Benjamin Besse, Shaolin Lü, Alexander I. Spira, N. Girard, Raffaele Califano, S.M. Gadgeel, James Chih‐Hsin Yang, Sadamu YAMAMOTO, K. Azuma, Yu Jung Kim, K.-H. Lee, Pongwut Danchaivijitr, C.G. Ferreira, Yun Cheng, Mehmet Alı Nahıt Şendur, G.-C. Chang, C.-C. Wang, K. Prabhash, Y. Shinno, Daniil Stroyakovskiy, L. Paz-Ares, Jerónimo Rafael Rodríguez‐Cid, Claire Martin, M.R. García Campelo, H. Hayashi, Danny Nguyen, P. Tomasini, Maya Gottfried, Christophe Dooms, Antonio Passaro, Martin Schüler, A.C.Z. Gelatti, Scott Owen, K. Perdrizet, S.-H.I. Ou, J.C. Curtin, J. Zhang, Michael Gormley, Tingting Sun, Amey C Panchal, Marguerite Ennis, E. Fennema, Mahesh Daksh, Seema Sethi, J.M. Bauml, S.-H. Lee

Notice bibliographique

RevueAnnals of Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensWilliam Osler Health SystemMcGill University
Organismes subventionnairesDaiichi Sankyo EuropeJanssen Research and DevelopmentGenentechIgnytaEli Lilly and CompanyOno PharmaceuticalAstellas PharmaMacroGenicsPlexxikonBeiGeneMirati TherapeuticsYuhanMersana TherapeuticsPharmaMarLAM TherapeuticsAstex PharmaceuticalsPfizerIncyteMerck KGaATaiho PharmaceuticalLG ChemRegeneron PharmaceuticalsSanofiAmgenAstraZenecaBristol-Myers Squibb
Mots-clésMedicineOsimertinibOncologyLung cancerInternal medicineMutantDiseaseCancer researchCancerEpidermal growth factor receptorGeneticsGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Amivantamab-lazertinib significantly prolonged progression-free survival (PFS) versus osimertinib in patients with epidermal growth factor receptor (EGFR)-mutant advanced non-small-cell lung cancer [NSCLC; hazard ratio (HR) 0.70; P < 0.001], including those with a history of brain metastases (HR 0.69). Patients with TP53 co-mutations, detectable circulating tumor DNA (ctDNA), baseline liver metastases, and those without ctDNA clearance on treatment have poor prognoses. We evaluated outcomes in these high-risk subgroups. PATIENTS AND METHODS: This analysis included patients with treatment-naive, EGFR-mutant advanced NSCLC randomized to amivantamab-lazertinib (n = 429) or osimertinib (n = 429) in MARIPOSA. Pathogenic alterations were identified by next-generation sequencing (NGS) of baseline blood ctDNA with Guardant360 CDx. Ex19del and L858R ctDNA in blood was analyzed at baseline and cycle 3 day 1 (C3D1) with Biodesix droplet digital polymerase chain reaction (ddPCR). RESULTS: Baseline ctDNA for NGS of pathogenic alterations was available for 636 patients (amivantamab-lazertinib, n = 320; osimertinib, n = 316). Amivantamab-lazertinib improved median PFS (mPFS) versus osimertinib for patients with TP53 co-mutations {18.2 versus 12.9 months; HR 0.65 [95% confidence interval (CI) 0.48-0.87]; P = 0.003} and for patients with wild-type TP53 [22.1 versus 19.9 months; HR 0.75 (95% CI 0.52-1.07)]. In patients with EGFR-mutant, ddPCR-detectable baseline ctDNA, amivantamab-lazertinib significantly prolonged mPFS versus osimertinib [20.3 versus 14.8 months; HR 0.68 (95% CI 0.53-0.86); P = 0.002]. Amivantamab-lazertinib significantly improved mPFS versus osimertinib in patients without ctDNA clearance at C3D1 [16.5 versus 9.1 months; HR 0.49 (95% CI 0.27-0.87); P = 0.015] and with clearance [24.0 versus 16.5 months; HR 0.64 (95% CI 0.48-0.87); P = 0.004]. Amivantamab-lazertinib significantly prolonged mPFS versus osimertinib among randomized patients with [18.2 versus 11.0 months; HR 0.58 (95% CI 0.37-0.91); P = 0.017] and without baseline liver metastases [24.0 versus 18.3 months; HR 0.74 (95% CI 0.60-0.91); P = 0.004]. CONCLUSIONS: Amivantamab-lazertinib effectively overcomes the effect of high-risk features and represents a promising new standard of care for patients with EGFR-mutant advanced NSCLC.

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)0,002
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: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,007
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,021
Tête enseignante GPT0,365
Écart entre enseignants0,344 · 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'étudeEssai non 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

Citations81
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueAnnals of OncologyMême sujetLung Cancer Treatments and MutationsTravaux en français237 207