MétaCan
Menu
Retour à la cohorte
Enregistrement W7134037847 · doi:10.33545/26649675.2023.v5.i1a.38

Current state of immunotherapy in hepatocellular carcinoma

2023· article· W7134037847 sur OpenAlexaboutno aff
Thompson Jr, Chen WL, Bouchard MF

Notice bibliographique

RevueInternational journal of hepatology sciences. · 2023
Typearticle
Langue
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHepatocellular carcinomaImmunotherapyCurrent (fluid)CarcinomaCancer immunotherapyCancer

Résumé

récupéré en direct d'OpenAlex

Hepatocellular carcinoma (HCC) accounts for roughly 75% of primary liver malignancies and represents the sixth most commonly diagnosed cancer worldwide, with an estimated 905,677 new cases reported in 2020 alone. For decades, treatment options for advanced HCC remained severely limited, with sorafenib standing as the sole first-line systemic therapy from 2007 until 2020. The emergence of immune checkpoint inhibitors has fundamentally altered the therapeutic landscape, offering durable responses in a subset of patients who previously faced dismal prognoses. This research investigated the current patterns, efficacy, and predictive biomarkers of immunotherapy use in HCC patients across a Canadian tertiary care setting. A retrospective cohort analysis was performed at Toronto Institute of Applied Sciences, enrolling 312 patients diagnosed with unresectable or advanced HCC (Barcelona Clinic Liver Cancer stage B or C) who received at least one cycle of immunotherapy between January 2018 and December 2021. Treatment regimens included atezolizumab plus bevacizumab (34.7%), nivolumab monotherapy (22.1%), pembrolizumab monotherapy (16.8%), durvalumab plus tremelimumab (11.3%), nivolumab plus ipilimumab (9.4%), and other combinations (5.7%). The primary endpoints were objective response rate (ORR), progression-free survival (PFS), and overall survival (OS). Secondary endpoints included assessment of predictive biomarkers—PD-L1 expression, tumor mutational burden (TMB), microsatellite instability (MSI) status, and alpha-fetoprotein (AFP) levels—and their association with treatment response. The overall ORR across all regimens was 27.6%, with a median PFS of 6.8 months and median OS of 16.3 months. Atezolizumab-bevacizumab demonstrated the highest ORR (33.4%) and longest median OS (19.1 months). Patients with PD-L1 expression ≥1% had significantly better response rates compared to PD-L1-negative patients (37.0% vs. 16.4%, p

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,313
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of hepatology sciences.Même sujetImmunotherapy and Immune ResponsesTravaux en français237 207