MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410812638 · doi:10.1200/jco.2025.43.16_suppl.e15024

Pharmacologic and pharmacometric studies of factors affecting the pharmacokinetics and pharmacodynamics of antibody drug conjugate anetumab ravtansine in patients with solid tumors.

2025· article· en· W4410812638 sur OpenAlexaff
Li Chen, Andrew T. Lucas, Julie B. Dumond, Aaron S. Mansfield, Stéphanie Lheureux, Anna Spreafico, C.J. O’Connor, Beth A. Zamboni, Kashish Patel, Jeff Moscow, William C. Zamboni

Notice bibliographique

RevueJournal of Clinical Oncology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHER2/EGFR in Cancer Research
Établissements canadiensUniversity of TorontoPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicinePharmacodynamicsPharmacokineticsAntibody-drug conjugatePharmacologyDrugConjugateAntibodyMonoclonal antibodyImmunology

Résumé

récupéré en direct d'OpenAlex

e15024 Background: Anetumab ravtansine (AR) is an antibody-drug conjugate (ADC) containing the microtubule inhibitor DM4. ADC drugs have high interpatient variability in pharmacokinetics and pharmacodynamics (PK/PD), which raises concerns whether current dosing based on body weight (mg/kg) is optimal. Thus, we evaluated the effects of patient characteristics, including novel biomarkers of the innate immune system (IIS), on the PK/PD of AR. Methods: Studies were performed in patients in three clinical trials of different cancers with AR as part of treatment: 1) platinum-resistant or refractory high-grade ovarian cancer treated with AR at 2.2mg/kg IV weekly plus bevacizumab(N = 19); 2) pleural mesothelioma treated with AR at 6.5 mg/kg IV every 3 weeks plus pembrolizumab(N = 28); and 3) mesothelin-positive advanced pancreatic adenocarcinoma treated with AR at 5.5-6.5 mg/kg IV every 3 weeks plus nivolumab (and ipilimumab or gemcitabine, N = 27). Intensive plasma PK sampling was performed after the first dose to calculate clearance (CL), volume of distribution (Vd), and area-under-the-plasma-concentration-time curve (AUC 0-inf ). The relationship between biomarkers of FcɣRs (CD64, CD32, CD16) on IIS blood cells, total body weight (TBW), body surface area (BSA), lean body mass (LBM), and sex with PK parameters and clinical outcomes were evaluated by pearson correlation, t-test and multivariate regression analysis. Population PK (popPK) methods further evaluated patient covariates and variability in PK. Results: Patients with higher IIS FcγR CD64 and/or higher TBW or higher BSA had higher AR ADC CL (p < 0.05). AR ADC CL was lower in females (0.030 ± 0.007 L/h) versus males (0.042 ± 0.006 L/h) (p < 0.05). Patients with stable disease and partial response had higher AR ADC AUC 0-inf versus patients with progressive disease AR ADC disposition was described by linear CL with two pathways for the release of the payload DM4, hydrolysis and the IIS. A time-varying drug-to-antibody ratio predicted the release of the DM4 payload. In the PopPK model, LBM and albumin were associated with CL of the AR ADC, LBM and IIS FcγR CD64 were associated with the Vd of the AR ADC, and LBM and age were associated with the CL of the released DM4. Conclusions: These results suggest that TBW-based dosing of AR ADC is not optimal, whereas precision dosing of antibodies and ADCs based on the use of novel metrics of body habitus, IIS biomarkers, and sex may be more appropriate to reduce PK variability and improve response.

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)0,003
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 enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,120
Tête enseignante GPT0,561
Écart entre enseignants0,442 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetHER2/EGFR in Cancer Research→Travaux en français237 207→