Real‐World Treatment Patterns and Clinical Outcomes Among Patients With Triple‐Class–Exposed and BCMA‐Exposed Multiple Myeloma Within the United States
Notice bibliographique
Résumé
Introduction: A novel therapy for heavily pretreated triple-class-exposed multiple myeloma (TCE MM) is B-cell maturation antigen (BCMA)-targeted immunotherapy. While the number of TCE+BCMA-exposed patients is growing, real-world data for this group are limited. Methods: We present real-world data from patients with TCE+BCMA-exposed MM who initiated a subsequent line of therapy (LOT) using a US-based claims database, Komodo's Healthcare Map. Results: We identified 656 TCE+BCMA-exposed patients; mean age was 66.5 years. Time from MM diagnosis to index was 5.4 years; mean number of prior LOTs was 5.9. The most prevalent prior therapy received within each drug class was daratumumab (98.5%), pomalidomide (86.0%), carfilzomib (85.8%) and belantamab mafodotin (74.5%). A total of 137 different subsequent treatment regimens were observed following TCE+BCMA exposure; the most common regimen was teclistamab (10.4%). The top three targeted agents within the subsequent regimen were carfilzomib (20.2%), pomalidomide (20.1%) and bortezomib (16.6%). Among this TCE+BCMA-exposed population who received subsequent treatment, the median time to next treatment or death was 6.8 (95% CI, 6.1-7.5) months; time to treatment discontinuation or death was 3.5 (95% CI, 3.2-3.7) months. Conclusion: This first real-world analysis of patients with heavily pretreated TCE+BCMA-exposed MM shows poor clinical outcomes, frequent therapy retreatment and no standard-of-care, highlighting the need for novel treatments. Clinical Trial Registration: The authors have confirmed clinical trial registration is not needed for this submission.
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 ».