MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411456337 · doi:10.3390/curroncol32060365

KRAS Mutations as Predictive Biomarkers for First-Line Immune Checkpoint Inhibitor Monotherapy in Advanced NSCLC: A Systematic Review and Meta-Analysis

2025· review· en· W4411456337 sur OpenAlexvenueno aff
Filip Marković, Jelena Milin‐Lazović, Nikola Nikolić, Aleksa Golubović, Mihailo Stjepanović, Milica Kontić

Notice bibliographique

RevueCurrent Oncology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensnon disponible
Organismes subventionnairesMinistarstvo Prosvete, Nauke i Tehnološkog Razvoja
Mots-clésMedicineMeta-analysisKRASOncologyInternal medicineBioinformaticsCancerBiologyColorectal cancer

Résumé

récupéré en direct d'OpenAlex

Recent research suggests a link between KRAS mutations and the effectiveness of ICIs, as KRAS-driven tumors may possess unique immunogenic features that influence the tumor microenvironment. These mutations can increase tumor mutation burden (TMB) and neoantigen load, potentially leading to improved responses to ICIs. This meta-analysis aims to consolidate existing evidence on the impact of KRAS mutations as a predictive factor for survival and treatment outcomes in patients with advanced NSCLC treated with ICIs. A comprehensive search strategy was designed by a biostatistician and pulmonologist, targeting PubMed, Web of Science, and Scopus databases up to May 2022. The outcomes assessed included overall survival (OS) and progression-free survival (PFS), reported as log hazard ratios (HRs) with corresponding standard errors (SEs). A pooled estimate of the HR effect size was calculated using Review Manager (RevMan, Cochrane Collaboration, London, UK). Heterogeneity among studies was evaluated using the Cochran Q test and the I2 statistic. Ultimately, 10 articles were deemed suitable for inclusion in the systematic review from a total of 8722 screened titles and abstracts. The presence of KRAS+ mutations had a significant prognostic factor for better OS in NSCLC patients treated with checkpoint inhibitors (HR = 0.89, 95% CI: 0.79–0.99) and for better PFS in NSCLC patients treated with checkpoint inhibitors (HR = 0.72, 95% CI: 0.59–0.87). In conclusion, our study indicates that KRAS mutations may serve as a potential positive predictive biomarker in patients with advanced non-small-cell lung cancer treated with immune checkpoint inhibitor monotherapy.

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)0,011
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,026
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0200,043
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,123
Tête enseignante GPT0,458
Écart entre enseignants0,335 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Oncology→Même sujetCancer Immunotherapy and Biomarkers→Travaux en français237 207→