Front Oncol：贝叶斯网状Meta分析比较ALK阳性NSCLC患者一线病患方案的和安全性

间变性淋巴瘤趋化因子(ALK)是胰岛素激素丝氨酸趋化因子三兄弟(RTK)的一员，由细胞核2p23上的ALKDNA编码器。棘皮微管涉及肽4 (EML4)与ALK的融合在少数非小细胞肺癌(NSCLC)断定，而ALK重排在平均3% - 7%的病例中会断定，其经常出现没人/轻度吸烟史、胃癌表征、年轻症状、女性、以及EGFR/KRAS野生型的症状中会。ALK-TKIs的应用开端ALK无症状NSCLC症状的治疗法面貌以及改善症状的预后。目前为止已合作开发多代ALK-TKIs，最主要克唑替尼(第一代);Alectinib, brigatinib, ceritinib, ensartinib(第二代);lorlatinib(第三代)。然而，病理实践中会不同TKIs队内治疗法时的相比较之下有效性和相容性依然长期存在争议。因此，Frontiers in Oncology周报上刊登了一项局域网meta深入研究，以研究不同TKIs队内治疗法早期ALK无症状NSCLC症状的和相容性，以提供最佳的病理自由选择。

检索PubMed、Embase、ClinicalTrials.gov和国际性会议检索，数据总计至2021年6月30日。在启发式局域网meta深入研究中会扩展到了来得队内治疗法ALK无症状早期NSCLC症状的III期结果显示检验(RCT)。符合条件的研究非常少研究报告了以下病理结局之一:无重大突破生存期(PFS)、总生存期(OS)、中会枢神经系统(CNS)重大突破高风险、(G) 3级或很高级别(G3 AEs)妨碍暴力事件(AEs)或比较严重妨碍暴力事件(SAEs)。

9项结果显示检验符合扩展到标准，共有2484例症状被扩展到。症状做7种不同的治疗法，最主要ALK- TKIs(克唑替尼、阿来替尼、韦尔比夫卡替尼、塞瑞替尼、恩沙替尼或亚瑟替尼)或化学治疗。

对PFS和OS,对所有7种治疗法方式也顺利完成来得深入研究；对CNS重大突破高风险，对六种治疗法方式也顺利完成来得；对G3 AEs也是六种治疗法方式也顺利完成深入研究；对SAEs，对四种治疗法方式也顺利完成来得。

在PFS总体，与化学治疗相比较，亚瑟替尼得到了次于的经济性(HR0.12,95%CI0.03至0.43)，但与克唑替尼相比较也有很大的经济性(0.28,0.10-0.80)。与化学治疗相比较，阿来替尼(0.15,0.05 - 0.36)、恩沙替尼(0.19,0.05 - 0.70)、韦尔比夫卡替尼(0.21,0.06 - 0.76)和克唑替尼(0.43,0.20 - 0.89)也检视到了获益。与克唑替尼相比较，阿来替尼很大延至PFS(0.34,0.17-0.61)。在OS总体，没有一种ALK-TKIs优于化学治疗或其他ALK-TKI。

PFS和OS

在CNS重大突破高风险总体，与化学治疗相比较，亚瑟替尼也得到了次于的经济性(HR 0.04, 0.01-0.20);与克唑替尼相比较也长期存在很大相异(0.06、0.01-0.26)。值得注意，阿来替尼优于化学治疗(0.11,0.04-0.32)和克唑替尼(0.30,0.09-0.99)。

CNS高风险、危险性、比较严重危险性

我们检视到与化学治疗相来得，ALK-TKIs涉及的危险性相似。亚瑟替尼的≥3级AEs比例很高，高于阿来替尼(4.26,1.22 - 15.53);阿来替尼与克唑替尼类似于也有较高比例(2.01，1.08-3.89)。在四种治疗法(埃尔替尼、克唑替尼、恩沙替尼和化学治疗)中会，没有检视到比较严重AEs的期望值相异。

启发式排列结果与用作危险常数和OR值顺利完成的综合深入研究差不多相反。对于早期ALK无症状NSCLC症状，亚瑟替尼最有可能在PFS(累积期望值60%)和CNS重大突破高风险(90%)总体综合排名第一。塞瑞替尼最可能引发G3 AE(56%)，其次是亚瑟替尼(35%)。阿来替尼在导致3级或很高的AEs中会综合排名最后的期望值次于(87%)。

启发式排列

综上，研究表明，对于早期ALK无症状NSCLC症状，与其他队内治疗法相比较，亚瑟替尼的PFS获益次于，CNS重大突破获益高风险最低，但危险性也高。目前为止的病理实践中会新世代ALK-TKIs在ALK无症状NSCLC队内治疗法中会的应用早就很快演进。

原始出处：

Peng L, Lu D, Xia Y, Hong S, Selvaggi G, Stebbing J, Sun Y and Liang F (2021) Efficacy and Safety of First-Line Treatment Strategies for Anaplastic Lymphoma Kinase-Positive Non-Small Cell Lung Cancer: A Bayesian Network Meta-Analysis. Front. Oncol. 11:754768. doi: 10.3389/fonc.2021.754768