Анализ эффективности лечения множественной миеломы на базе клинического опыта европейских стран

Обложка
  • Авторы: Птушкин В.В.1,2,3, Мюллер М.4,5
  • Учреждения:
    1. ФГАОУ ВО «Российский национальный исследовательский медицинский университет им. Н.И. Пирогова» Минздрава России
    2. ФГБУ «Национальный медицинский исследовательский центр детской гематологии, онкологии и иммунологии им. Дмитрия Рогачева» Минздрава России
    3. ГБУЗ «Городская клиническая больница им. С.П. Боткина» Департамента здравоохранения г. Москвы
    4. Университет Мангейма
    5. Аналитическая компания IQVIA
  • Выпуск: Том 93, № 4 (2021)
  • Страницы: 404-414
  • Раздел: Оригинальные статьи
  • URL: https://journals.rcsi.science/0040-3660/article/view/71206
  • DOI: https://doi.org/10.26442/00403660.2021.04.200682
  • ID: 71206

Цитировать

Полный текст

Аннотация

Цель. Основной целью данного исследования стало моделирование эффективности терапии множественной миеломы (ММ) с применением машинного обучения, которое базировалось на анализе разных методов лечения ММ, ряда прогностических факторов и их результатов в повседневной рутинной клинической практике различных медицинских центров в европейских странах.

Материалы и методы. Исследование ретроспективное неинтервенционное многоцентровое. Для его проведения использована структурированная база данных пациентов с ММ, предоставленная компанией Oncology Information service (O.I.s.). Регистрация происходила в медицинских учреждениях восьми стран: Австрии, Бельгии, Швейцарии, Германии, Испании, Франции, Греции и Великобритании.

Результаты. Всего в выборке из 6074 пациентов с ММ проанализированы 57% мужчин и 43% женщин. Медиана возраста составила 71 год. Медиана длительности наблюдения по линиям – 387 дней. Цитогенетика высокого риска представлена в 15% случаев. Конечной точкой эффективности служил лучший ответ на каждую линию терапии, что определялось оценкой показателей времени до смерти (ВДС) в качестве косвенного показателя общей выживаемости и времени до следующей терапии (ВДСТ) в качестве косвенного показателя выживаемости без прогрессии. Медиана ВДС и ВДСТ для всей базы данных составила 730 и 399 дней соответственно. После многоступенчатого процесса отбора выбраны характеристики c наибольшей важностью для прогноза терапии: возраст в начале терапии, линия терапии, время после постановки диагноза, оценка по шкале ECOG (шкала оценки состояния больного по критериям Eastern Cooperative Oncology Group), цитогенетический риск, пригодность для ТСК, ВДСТ после предыдущей линии терапии, режим терапии.

Обсуждение. Для продолжения исследования необходимы анализ литературных данных и сопоставление с реальной практикой, а также анализ и сравнение с российскими данными лечения пациентов с ММ.

Заключение. Анализ представленных данных дает основание для моделирования инструмента по оценке эффективности терапии ММ (прогноз ВДС/ВДСТ) для конкретного пациента исходя из ряда прогностических факторов и результатов рутинной клинической практики различных медицинских центров в европейских странах.

Об авторах

Вадим Вадимович Птушкин

ФГАОУ ВО «Российский национальный исследовательский медицинский университет им. Н.И. Пирогова» Минздрава России; ФГБУ «Национальный медицинский исследовательский центр детской гематологии, онкологии и иммунологии им. Дмитрия Рогачева» Минздрава России; ГБУЗ «Городская клиническая больница им. С.П. Боткина» Департамента здравоохранения г. Москвы

Автор, ответственный за переписку.
Email: vadimvadim@inbox.ru
ORCID iD: 0000-0002-9368-6050

д.м.н., проф. каф. онкологии, гематологии и лучевой терапии ФГАОУ ВО «РНИМУ им. Н.И. Пирогова», зав. отд. инновационных методов лечения подростков и взрослых ФГБУ «НМИЦ ДГОИ им. Дмитрия Рогачева», гл. внештат. специалист-гематолог Департамента здравоохранения г. Москвы, зам. глав. врача по гематологии ГБУЗ «ГКБ им. С.П. Боткина»

Россия, Москва

Марио Мюллер

Университет Мангейма; Аналитическая компания IQVIA

Email: mario.mueller@iqvia.com
ORCID iD: 0000-0002-3528-5208

магистр, специализация «Многомерный статистический анализ», Университет г. Манхайм, зам. дир. по обработке и углубленному анализу данных, Аналитическая компания IQVIA

Германия, Мангейм, Франкфурт-на-Майне

Список литературы

  1. Злокачественные новообразования в России в 2017 году (заболеваемость и смертность). Под ред. А.Д. Каприна, В.В. Старинского, Г.В. Петровой. Moscow, МНИОИ им. П.А. Герцена – филиал ФГБУ «НМИЦ радиологии» Минздрава России, 2018 [Malignant neoplasms in Russia in 2017 (morbidity and mortality). Ed. AD Kaprin, VV Starinsky, GV Petrova. M.: P.A. Herzen MNIOI – branch of the Federal State Budgetary Institution “National Medical Research Center of Radiology” of the Ministry of Health of Russia, 2018 (In Russ.)].
  2. Виноградова О.Ю., Птушкин В.В., Черников М.В., и др. Эпидемиология множественной миеломы в городе Москва. Терапевтический архив. 2019;91(7):83-92 [Vinogradova OY, Ptushkin VV, Chernikov MV, et al. Epidemiology of multiple myeloma in city Moscow. Terapevticheskii Arkhiv (Ter. Arkh). 2019;91(7):83-92 (In Russ.)]. doi: 10.26442/00403660.2019.07.000305
  3. Larocca A, Palumbo A. Optimizing treatment for elderly patients with newly diagnosed multiple myeloma: a personalized approach. J Clin Oncol. 2016;34:3600-4. doi: 10.1200/JCO.2016.68.6113
  4. Palumbo A, Mina R. Management of older adults with multiple. Blood Rev. 2013; 27:133-42. doi: 10.1016/j.blre.2013.04.001
  5. Singh H, Beaver JA, Kim G, Pazdur R. Enrollment of older adults on oncology trials: an FDA perspective. J Geriatr Oncol. 2017;8:149-50.
  6. Hari P, Romanus D, Luptakova K, et al. The impact of age and comorbidities on practice patterns and outcomes in patients with relapsed/refractory multiple myeloma in the era of novel therapies. J Geriatr Oncol. 2018;2:138-44. doi: 10.1016/j.jgo.2017.09.007
  7. Chari A, Mezzi K, Zhu S, et al. Incidence and risk of hypertension in patients newly treated for multiple myeloma: a retrospective cohort study. BMC Cancer. 2016;16:912. doi: 10.1186/s12885-016-2955-0
  8. Kistler KD, Kalman J, Sahni G, et al. Incidence and risk of cardiac events in patients with previously treated multiple myeloma versus matched patients without multiple myeloma: an observational, retrospective, cohort study. Clin Lymphoma Myeloma Leuk. 2017;17:89-96. doi: 10.1016/j.clml.2016.11.009
  9. Talarico L, Chen G, Pazdar R. Enrollment of elderly patients in clinical trials for cancer drug registration: a 7-year experience by the US Food and Drug Administration. J Clin Oncol. 2004;22:4626-31. doi: 10.1200/JCO.2004.02.175
  10. Usmani S, Ahmadi T, Ng Y, et al. Analysis of real-world data on overall survival in MM patients with 3 prior lines of therapy including a PI and an IMID, or double refractory to a PI and an IMID. Oncologist. 2016;21:1-7.
  11. Chen Y, Jia Z, Mercola D, Xie X. A Gradient Boosting Algorithm for Survival Analysis via Direct Optimization of Concordance Index. Comput Math Methods Med. 2013;2013:873595. doi: 10.1155/2013/873595
  12. Kvamme H, Borgan Ø, Scheel I. Time-to-event prediction with neural networks and Cox regression. JMLR. 2019;20(129):1-30.
  13. Katzman J, Shaham U, Cloninger A, et al. Deepsurv: personalized treatment recommender system using a Cox proportional hazards deep neural network. BMC Med Res Methodol. 2018;18(1):18-24. doi: 10.1186/s12874-018-0482-1

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Процесс отбора характеристик

Скачать (513KB)
Метаданные
3. Рис. 2. Графики прогнозируемой вероятности выживания

Скачать (112KB)
Метаданные
4. Рис. 3. Возможная интерпретация результатов для доказательств из клинической практики

Скачать (261KB)
Метаданные

© ООО "Консилиум Медикум", 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
 
 


Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах