The efficacy and safety of anti-CD20 antibody for the treatment of B-ALL: a systematic review and meta-analysis
Notice bibliographique
Résumé
Several clinical trials with anti-CD20 antibodies have successfully treated Acute Lymphoblastic Leukemia. Nevertheless, systematic comparisons between different anti-CD20 antibody trials are rare, and a comprehensive evaluation of their efficacy and safety has yet to be performed. The purpose of this systematic review and meta-analysis was to assess the efficacy and safety of anti-CD20 antibodies in the treatment of acute lymphoblastic leukemia and to guide clinical decision-making regarding the use of anti-CD20 antibody therapy. According to the PRISMA guidelines, Embase, Cochrane Library, PubMed, Web of Science, and ClinicalTrials.gov were searched for clinical trials conducted up to November 1, 2024, for the evaluation of anti-CD20 antibodies (rituximab, obinutuzumab, and ofatumumab) and corresponding controls. After screening the literature and extracting data, study quality was assessed using the Cochrane ROB 2 tool (RCTs) and the Newcastle-Ottawa Scale (cohorts). Heterogeneity was assessed using the I² test. Based on the results of the heterogeneity test, meta-analysis was performed in RevMan 5.4 software with either a random-effects model or a fixed-effects model. We combined data from eight studies ( n = 1330 patients, including two RCTs and six cohorts). Meta-analysis showed that anti-CD20 monoclonal antibodies significantly improved overall survival (OR = 1.89, 95% CI: 1.21–2.95, p = 0.005) and event-free survival [OR = 1.68, 95% CI: 1.32–2.14, p < 0.0001] after >1-year follow-up, and increased complete remission rates ( p < 0.05). No significant differences were observed in common adverse events between groups. Subgroup analyses by study type did not alter these conclusions. Overall, anti-CD20 antibody therapy was more efficacious than the corresponding control and did not increase the incidence of grade 3–4 adverse events. Ofatumumab may be a more effective anti-CD20 antibody for the treatment of ALL.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,046 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».