卡博替尼Cabozantinib治疗优于阿昔替尼

　　HR NMA在OS终点的结果显示，卡博替尼（Cabozantinib）治疗优于阿昔替尼，依维莫司，尼古鲁单抗和最佳支持治疗的趋势。除与依维莫司比较外，未显示卡博替尼及其比较剂之间的统计学差异。卡波替尼在改善PFS方面与比较者有显着差异。最适合PFS和OS数据的参数模型是对数正态分布。在该模型中，卡博替尼在24个月时的估计PFS和OS概率分别为0.11和0.48。

　　但是，对于其最佳的比较者纳武单抗，这些估计的生存概率分别为0.04和0.43。发现对数据提供最差的统计拟合的模型是指数分布，与传统方法一样，该方法假设随着时间的流逝HR保持恒定。因此，它为我们选择不需要PH假设的模型提供了进一步的依据。HR NMA的结果与生存曲线NMA的结果一致；与阿昔替尼，依维莫司，尼伏鲁单抗和最佳支持治疗相比，接受卡博替尼治疗的患者的PFS预计更高，并且OS呈改善趋势（OS）。

　　在贝叶斯分析中，选择了固定效应模型，并且还实施了随机效应模型以进行敏感性分析以及异质性和不一致性检查。即使能够估计额外的研究间协方差矩阵，随机效应模型也返回了与固定效应模型非常相似的比较结果，这证明了NMA在网络级的同质性和一致性。在贝叶斯框架中，固定效果模型因其简单性和鲁棒性而受到青睐，其中“鲁棒性”意味着模拟马尔可夫链的快速收敛。但是，如果有专家的意见，随机效应模型将具有优势，因为它允许定义一组超参数，这些超参数可以反映先前对研究异质性的信念。

　　PFS分析的局限性在于疾病进展评估的不同定义（研究者与独立者）。CheckMate025研究无法提供独立的评审委员会PFS，因此，研究者评估的PFS被用于该分析。这项分析的结果报告了超过36个月，而数据则是从RCT中提取的，随访时间较短。鉴于治疗持久性可能与RCT中观察到的持久性不同，现实生活中的OS可能与估计的OS不同。未来工作的可能方向是实现广义的伽玛分布，其中包括各种常用的参数生存分布，例如Weibull，指数，对数正态分布。然后可以考虑对Weibull或对数正态进行改进的模型拟合。NMA模型通过将多项研究与多项研究进行比较，扩展了经典的荟萃分析模型。假设网络将保持连接，即，相邻研究共享相同的处理方法，则可以轻松地将新的研究和处理方法添加到模型中，并且该方法仍然可行。

　　我们的NMA审查并分析了RCT的现有文献，这些文献检查了卡博替尼，依维莫司，阿昔替尼，索拉非尼，尼古鲁单抗的PFS和OS，以及在二线及后续治疗中对aRCC的最佳支持治疗。我们的研究发现卡博替尼可显着改善aRCC患者的PFS结果。除了与依维莫司比较外，我们的NMA结果并未显示卡博替尼和比较疗法在OS方面的统计学差异。但是，HR NMA和参数曲线NMA的结果偏爱卡博替尼。现在卡博替尼的价格是多少？更多详情可咨询下方微信。