IUC24358-87 Prognostic assessment of the Meet-URO score compared with the IMDC score in metastatic renal cell carcinoma (mRCC) receiving first-line systemic therapies (Meet-URO 33 study)
Notice bibliographique
Résumé
Abstract Background The prognostic stratification is the cornerstone of treatment decision-making for mRCC. The novel Meet-URO score (IMDC score + NLR + Bone metastases) was developed in the immunotherapy era and has shown better prognostic performance compared with the IMDC score in different settings. Its application in the first-line IO-TKI setting was awaited. Methods The Meet-URO 33 is a multicentric prospective observational study enrolling mRCC patients receiving first-line systemic therapy. A retrospective cohort of patients treated from 01.01.2021 was included. The Meet-URO score was assessed compared with the IMDC score in predicting OS. An exploratory analysis on PFS was also conducted. Results A total of 1,557 patients were enrolled, 1400 (90%) were assessable. Median age was 66 years, 75% were males, 84% had clear cells, and 64% underwent nephrectomy; 20% received IO-IO, 66% IO-TKI (32% Pembrolizumab+Axitinib) and 14% TKI; 45% had NLR ≥ 3.2 and 29% bone metastases. After a mFU of 14.1 months, mOS was 40.5 months, and mPFS was 16.8 months. The Meet-URO score confirmed a better prognostic stratification compared with the IMDC score (c-index 0.714 vs 0.688) (Table 1). Although the Meet-URO score was developed as an OS model, it showed a similar PFS performance (c-index 0.62 vs 0.61). Conclusions The Meet-URO score confirmed its better prognostic accuracy compared with the IMDC score, also in a large-scale prospective cohort receiving first-line therapy. The adoption of the Meet-URO score should be implemented in clinical practice and as a stratification factor of clinical trials for more individualized patient management.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».