Immunotherapy in Extensive Stage Small-Cell Lung Cancer in First-Line and Second-Line Setting
Notice bibliographique
Résumé
OBJECTIVES: Despite a good response to first-line chemotherapy, small-cell lung cancer (SCLC) has high relapse rates and a poor prognosis. We conducted a systematic review and meta-analysis to assess the role of immune checkpoint inhibitors (ICIs) in the treatment of extended stage SCLC (ES-SCLC), in different lines of therapy. METHODS: Medline (PubMed), EMBASE, and Cochrane Library databases between January 2010 and March 2025 and conference proceedings between 2018 and 2025 were searched for RCTs assessing ICIs versus chemotherapy in patients with ES-SCLC. Primary endpoints were overall survival (OS) and progression-free survival (PFS). Secondary endpoints included objective response rate (ORR) and grade 3+ adverse events. Pooled hazard ratios (HR) for OS and PFS were meta-analyzed using the generic inverse variance method, and random-effect models were used to compute pooled estimates. Subgroup analyses compared survival by line of therapy, sex, age, and ECOG status. RESULTS: ICIs decreased risk of death by 19% (HR: 0.81, 95% CI: 0.76-0.86). OS benefit was regardless of age, sex, or ECOG, but only in first-line treatment. ICIs decreased the risk of disease progression by 22% (HR: 0.78, 95% CI: 0.67-0.91), with PFS benefit restricted to first-line treatment with a detrimental effect in the second line. ICIs improved ORR (OR: 0.79, 95% CI: 0.66-0.95), but were associated with increased grade 3+diarrhea (OR: 3.63, 95% CI: 1.46-9.02). CONCLUSIONS: ICIs conferred efficacy benefits and an acceptable safety profile in the treatment of patients with ES-SCLC in the first-line, but should not be used in the second-line as single agents. Biomarkers predicting long-term benefit are needed to further improve outcomes.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 | 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 ».