Real-world treatment outcomes and clinicopathologic and molecular determinants of response to first-line lenvatinib in patients with advanced follicular cell-derived thyroid cancer
Notice bibliographique
Résumé
BACKGROUND: There is a paucity of real-world data regarding lenvatinib for locally-recurrent, metastatic and RAI-refractory thyroid cancer. Here we examined the efficacy of first-line lenvatinib in a genomically-characterized cohort and identified clinicopathological/molecular correlates of drug response. METHODS: Patients with advanced follicular cell-derived thyroid cancer who underwent NGS at Princess Margaret Cancer Centre and commenced first-line lenvatinib monotherapy between 2015-2023 were included. Kaplan-Meier method, log-rank tests and univariable/multivariable proportional hazard models were employed. RESULTS: In total, 77 patients were included (48% female, majority papillary (52%), poorly differentiated (17%) or invasive encapsulated follicular variant papillary (16%)). Most (79%) underwent total thyroidectomy and adjuvant RAI (median cumulative dose 231 mCi). At lenvatinib initiation, median age was 62.9 years, 68% were ECOG performance status ≥2, 81% had lung metastases, 53% had bone metastases and 8% had liver metastases. Most patients started with ≤14 mg of lenvatinib daily. Median time to treatment discontinuation was 33 months. Older age, ECOG ≥ 2, liver metastases and TP53 mutation(s) were associated with shorter time to treatment discontinuation; ECOG ≥ 2 and TP53 mutation(s) remained significant on multivariable analysis. CONCLUSION: Our findings reinforce the clinical efficacy of lenvatinib in advanced thyroid cancer patients with heterogenous clinicopathologic/molecular features and highlight variables for future treatment stratification.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».