Comparative efficacy of ciltacabtagene autoleucel versus idecabtagene vicleucel in the treatment of patients with relapsed or refractory multiple myeloma previously treated with 2–4 prior lines of therapy: a matching-adjusted indirect comparison
Notice bibliographique
Résumé
Objective To estimate the comparative efficacy of ciltacabtagene autoleucel (cilta-cel) versus idecabtagene vicleucel (ide-cel) in patients with relapsed/refractory multiple myeloma (RRMM) treated with 2–4 prior lines of therapy.Methods Matching adjusted indirect comparison (MAICs) were performed using individual patient-level data (IPD) for cilta-cel from CARTITUDE-1 and CARTITUDE-4 and published aggregated data for ide-cel from KarMMa-3. Cilta-cel patients who met inclusion criteria from KarMMa-3 were selected, and outcomes were compared against data for ide-cel using simulated IPD derived from aggregate-level data from KarMMa-3. Patient characteristics were adjusted by reweighting cilta-cel IPD to match the distribution of prognostic factors in KarMMa-3. Comparative efficacy was estimated for response outcomes using a weighted logistic regression analysis and for progression-free survival using a weighted Cox proportional hazards model.Results Patients treated with cilta-cel were 1.2 times more likely to achieve overall response (relative response ratio [RR]: 1.18 [95% confidence interval: 1.03–1.34]; p = 0.04), 1.3 times more likely to achieve very good partial response or better (RR: 1.34 [1.15–1.57]; p = 0.003), and 1.9 times more likely to achieve complete response or better (RR: 1.91 [1.54–2.37]; p < 0.0001) versus ide-cel patients from KarMMa-3. Cilta-cel was associated with a significant 49% reduction in risk of disease progression or death versus ide-cel (hazard ratio: 0.51 [95% confidence interval: 0.31, 0.84]; p = 0.0078).Conclusion For patients with triple-class exposed RRMM treated with 2–4 prior lines of treatment, cilta-cel was found to provide superior clinical benefit over ide-cel in terms of response and progression-free survival.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».