Guiding first-line treatment decisions in advanced urothelial carcinoma: a global survey
Notice bibliographique
Résumé
BACKGROUND: Enfortumab vedotin combined with pembrolizumab (EV-P) has become the new standard first-line therapy for patients with advanced urothelial carcinoma (aUC), based on its superior efficacy over platinum-based chemotherapy. As this regimen is increasingly adopted in routine care, treatment decisions may often occur in sites without dedicated genitourinary oncology expertise. This global survey aimed to explore how physicians perceive clinical factors that may influence the safe and effective use of EV-P in daily practice. MATERIAL AND METHODS: A panel of international physicians with experience in treating patients with genitourinary cancers developed a 17-question survey addressing practice settings, experience in managing aUC, and clinical considerations relevant to the use of EV-P. The participants were recruited through a network-based convenience sampling method. The responses were descriptively analyzed. RESULTS: A total of 201 genitourinary physicians from 32 countries completed the questionnaire. The most frequently cited potential absolute contraindications were sensory or motor neuropathy grade ≥2 (64.2%), ECOG-PS ≥3 (59.2%), and non-urothelial component >50% of the tissue sample (59.2%). Other notable concerns included severe corneal/retinal abnormalities, HbA1c >11%, severe skin comorbidities, liver impairment grade ≥2, and dialysis dependence. CONCLUSIONS AND RELEVANCE: This survey provides practical insights into real-world physician perspectives on patient selection for EV-P. The findings highlight the need for guidance to support personalized risk assessment, facilitate early identification of patients who may require enhanced monitoring, and optimize safe integration of EV-P into clinical practice.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».