Real-world assessment of clinical outcomes of first-line treatment in metastatic papillary renal cell carcinoma
Notice bibliographique
Résumé
BACKGROUND: Papillary renal cell carcinoma (pRCC) is the most common non-clear cell RCC (nccRCC), representing up to 15% of RCC cases. Phase 2 trials have evaluated first-line (1L) immunotherapy (IO)-based treatment in nccRCC, but with heterogeneous cohorts and limited comparative data. The specific value of IO for metastatic pRCC (mpRCC) remains unquantified. METHODS: We analyzed prospectively collected data from the Canadian Kidney Cancer Information System to assess the efficacy of 1L systemic therapy in mpRCC with IO-based regimens vs tyrosine kinase inhibitors (TKI). The primary endpoint was time-to-treatment failure (TTF). Secondary endpoints included overall survival (OS), objective response rate (ORR), and treatment-related adverse events (TRAEs). Analyses were adjusted (adj) for IMDC risk groups. RESULTS: From 2011 to 2024, 197 mpRCC patients received 1L therapy: 70 with IO (alone or in combination) and 127 with TKI. Median follow-up was 21.6 months. Median TTF was 9.9 months with IO vs 5.9 months with TKI (adjHR: 0.62 [0.43-0.91], P = .01). Median OS was 36.9 months with IO vs 23.2 months with TKI (adjHR: 0.54 [0.3-0.9], P = .018). Objective response rate was 37% with IO vs 23% with TKI (adjOR: 2.2 [0.95-5.2], P = .07). The TKI-IO subgroup showed the longest TTF (16.9 months, adjHR: 0.47 [0.26-0.85], P = .01) and OS (not reached, adjHR: 0.26 [0.08-0.83], P = .02), compared to TKI. Grade 3-5 TRAEs occurred in 31% (IO) vs 27% (TKI). CONCLUSIONS: This real-world study highlights the benefit of IO-based treatment in mpRCC, particularly in the TKI-IO subgroup. Our findings may inform further trials evaluating 1L IO in mpRCC.
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) | 0,000 | 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 ».