在非小细胞肺癌中抑制瘤生长-整体生存模型的外部验证,基于使用alectinib数据的atezolizumab研究

科学领域:

• 在瘤学瘤学.
• 翻译医学是一种翻译医学.
• 生物统计学 生物统计学

背景情况:

• 使用来自非小细胞肺癌 (NSCLC) atezolizumab 研究的瘤生长抑制 (TGI) 数据建立了整体生存 (OS) 的预测模型.
• 这种TGI-OS建模框架的外部验证是在一个不同的患者队列中进行的.

研究的目的:

• 通过外部验证先前开发的模拟框架来模拟操作系统.
• 评估该框架在alectinib ALEX研究中对未接受治疗的,形淋巴瘤激酶 (ALK) 阳性NSCLC患者预测OS的能力.

主要方法:

• 瘤生长抑制 (TGI) 指标是使用从纵向瘤大小数据的比率模型来推导的.
• 使用TGI估计和基线预后因素 (例如,炎症状态,瘤负担,ECOG性能状态) 预测OS.

主要成果:

• 该模型准确地预测了约两年的alectinib和crizotinib臂的95%预测间隔内的OS.
• 对alectinib与crizotinib的预测危险比率 (HR) 与观察到的HR非常匹配,表明模型的有效性.

结论:

• 在未选择或PD-L1选择的NSCLC患者中开发的TGI-OS模型,在生物标志物选择 (ALK阳性) 群体中证明了外部有效性.
• 这表明TGI-OS模型可能与治疗无关,并适用于不同患者子组.