Systematic Review and Network Meta-Analysis on Treating Hormone Receptor-Positive Metastatic Breast Cancer After CDK4/6 Inhibitors
Notice bibliographique
Résumé
INTRODUCTION: The optimal treatment of estrogen receptor-positive (ER +) metastatic breast cancer (MBC) after progression on cyclin-dependent 4/6 kinase inhibitors (CDK4/6i) is unknown. METHODS: We conducted a systematic review and network meta-analysis (NMA) of phase-II/-III randomized trials of ER + MBC post CDK4/6i + ET progression. We calculated the hazard ratio (HR) for progression-free survival (PFS) and overall survival (OS) using generic inverse variance and odds ratios (ORs) using the Mantel-Haenszel method for adverse events (AEs) with Review-Manager version-5.4. NMA was executed using WINBUGS (Microsoft Excel). Three molecular subgroups were analyzed: HER2-low, PI3K/AKT/mTOR, and the ESR1 mutation subgroup for selective estrogen receptor degrader (SERD). RESULTS: A total of 14 studies were included. In the HER2-low group, Sacituzumab govitecan and trastuzumab deruxtecan had a similar efficacy (HR, 95% CI): PFS (0.98; 0.63-1.43) and OS (1.08; 0.76-1.55). In PI3K/AKT/mTOR-altered cases, capivasertib was superior to alpelisib PFS (0.77; 0.53-1.12), and OS (0.80; 0.48-1.35). SERDs had worse PFS and OS versus ongoing CDK 4/6i (ribociclib). CONCLUSION: No therapy emerged as the unequivocal choice in the post-CDK 4/6i domain in unselected subgroups. In the HER2-low population, a similar efficacy and different toxicity spectrum was seen. In AKT-altered tumors, capivasertib was less toxic than alpelisib. PROSPERO ID: CRD4202236412.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».