Comparison of Time to Next Treatment or Death Between Front‐Line Daratumumab, Lenalidomide, and Dexamethasone ( <scp>DRd</scp> ) Versus Bortezomib, Lenalidomide, and Dexamethasone ( <scp>VRd</scp> ) Among Transplant‐Ineligible Patients With Multiple Myeloma
Notice bibliographique
Résumé
INTRODUCTION: Daratumumab, lenalidomide, and dexamethasone (DRd) and bortezomib, lenalidomide, and dexamethasone (VRd) are the only preferred treatment regimens for patients with transplant-ineligible (TIE) newly diagnosed multiple myeloma (NDMM). As there are no randomized head-to-head studies of DRd versus VRd, this analysis aimed to compare real-world time-to-next-treatment (TTNT) or death in this population. METHODS: Patients with NDMM who received front-line (FL) DRd or VRd were identified from the Acentrus database (January 1, 2018 to May 31, 2023). Those with a record of a stem cell transplant or aged < 65 years were excluded to limit analysis to the TIE population. Inverse probability of treatment weighting was used to balance baseline patient characteristics. A doubly robust Cox proportional hazards model was used to compare TTNT or death between cohorts. RESULTS: = 341), cohorts had similar baseline characteristics. Of these, 98 (32.4%) DRd and 175 (51.2%) VRd patients either received a subsequent line of therapy or died, with a median TTNT or death of 37.8 months in the DRd cohort and 18.7 months in the VRd cohort (hazard ratio: 0.58, 95% confidence interval: 0.35, 0.81; p < 0.001). CONCLUSION: Treatment of TIE NDMM patients with DRd led to a significantly longer TTNT or death compared to VRd, evidenced by a 42% risk reduction, supporting the effectiveness of DRd over VRd as FL treatment in this patient population.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».