Refining intermediate-risk (IR) stratification in patients (Pts) with metastatic renal cell carcinoma (mRCC) receiving first-line (1L) immunotherapy (IO) within one year of diagnosis (Dx): Findings from the International Metastatic Renal Cell Carcinoma Database Consortium (IMDC).
Notice bibliographique
Résumé
4556 Background: The IMDC risk model is pivotal for predicting clinical outcomes in pts with mRCC, yet variability exists within the IR group. Moreover, therapy initiation within < 1 year post dx, a predominant IMDC risk factor, significantly influences prognosis. Thus, this study evaluates this heterogeneity in IO era, focusing on patients receiving 1L IO within < 1 year post dx. Methods: Data from pts with mRCC receiving 1L IO within < 1 year post dx, with IMDC score of 1 or 2, were retrospectively collected from the IMDC. Score 1 pts were defined as those who started treatment < 1 year post dx, while score 2 pts had an additional IMDC risk factor: low hemoglobin (Hb), Karnofsky Performance Status (KPS) < 80, high neutrophil, high calcium (Ca), or high platelet (Plt) count. We assessed overall survival (OS) and time to treatment failure (TTF) using Cox regression, adjusting for age, sex, nephrectomy status, histological type, presence of one or more metastases, and 1L regimen type (IO+IO vs. IO+VEGF). The response was evaluated according to RECIST 1.1 criteria. Results: Of the 670 pts initiating 1L IO < 1 year post dx, 331 had an IMDC score of 1, and 339 had a score of 2, subdivided into 5 subgroups as detailed in the table. Pts' median age was 62 years (IQR: 55-69). Median follow-up was 16.6 months. Response rates, 18-month OS, and 6-month TTF rates for each group are shown in the table. Adding the factor of treatment initiation < 1 year post dx, the high neutrophil count has the most significant effect on OS (HR = 4.85, 95% CI: 2.61-9.03, p < 0.001). Also, KPS < 80 significantly affects both OS (HR = 3.93,95%CI = 2.26-6.84), p < 0.001) and TTF (HR = 1.59 95%CI = 1.02-2.61, p = 0.04). Low hemoglobin, as well as high calcium, notably worsen OS without significant impact on TTF. High Plt count shows no significant impact on OS and TTF, possibly due to the low prevalence of this risk factor (15/670). Conclusions: Additional risk factors can affect the prognosis of pts with mRCC receiving IO < 1 year post dx. Integrating other biomarkers or radiological features could refine risk stratification, enhancing treatment approaches for IR pts. % response 18-month OS rate Adj. HR for OS (95% CI) 6-month TTF rate Adj. HR for TTF (95% CI) IMDC=1 Ddx to start ttt<1 year (N=331) 46% 85% REF 65% REF IMDC=2 Dx to start ttt<1 year+ Low Hb(N=255) 37% 73% 1.83(1.33-2.5) p=0.002* 56% 1.04 (1.02-2.48) P=0.66 Dx to start ttt<1 year+ KPS<80 (N=30) 30% 57% 3.93 (2.26-6.84) p<0.001* 50% 1.59(1.02-2.61)P=0.04* Dx to start ttt<1 year+ High Neutrophils (N=22) 9.1% 51% 4.85(2.61-9.03)p<0.001* 41% 1.41(0.86-2.34)P =0.16 Dx to start ttt<1 year+ High Ca (N=17) 35% 67% 2.68(1.27-5.62)p=0.01* 65% 1.09(0.62-1.93)P=0.75 Dx to start ttt<1 year+ High plt (N=15) 33% 63% 2.08(0.83-5.23)p=0.11 42% 1.29 (0.69-2.38)P=0.42
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».