- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT04666220
VETC, Valor Pronóstico y Predictivo en Carcinoma de Células Renales y Carcinoma Suprarrenal
Vasos que encapsulan grupos de tumores (VETC), valor pronóstico y predictivo en carcinoma de células renales y carcinoma de glándula suprarrenal
La metástasis es la principal causa de muerte en pacientes con cáncer y, a menudo, se recomienda la transición epitelial a mesenquimatosa (EMT) como el mecanismo básico. Recientemente, Fang y sus colegas describieron un proceso de metástasis independiente de EMT en el carcinoma hepatocelular (HCC): el endotelio cubre un pequeño grupo de células tumorales que permiten la diseminación del tumor. Este proceso de angiogénesis, denominado VETC (vasos que encapsulan grupos tumorales) en la literatura sobre CHC, se ha descrito con diferentes nombres en otros tipos de cáncer. Además, los investigadores confirmaron el impacto negativo de VETC en el pronóstico de los pacientes en una gran cohorte multicéntrica de HCC. Además, Fang et al demostraron que los pacientes afectados por CHC VETC-positivo se benefician más de la terapia con sorafenib. Curiosamente, este tipo de angiogénesis también se encontró en el carcinoma de células renales, el feocromocitoma de la glándula suprarrenal, el carcinoma folicular de tiroides y el sarcoma alveolar de partes blandas (ASPS) y se asoció con el pronóstico. Además, la distinción entre neoplasias benignas y malignas de la glándula suprarrenal es un asunto complejo, siendo los criterios establecidos aún carentes de una fuerte reproducibilidad.
Varios inhibidores de la tirosina quinasa están disponibles para diferentes tipos de cáncer; entre ellos, HCC, RCC, ASPS y TC pueden beneficiarse de los llamados inhibidores de la tirosina quinasa antiangiogénicos (aTKI) (como sunitinib, sorafenib, pazopanib). Falta una validación general (independiente del histotipo) del papel pronóstico de VETC. Además, los inhibidores de los receptores del factor de crecimiento endotelial vascular tirosina-quinasa (VEGFR-TKI) representan un tratamiento eficaz para diferentes tipos de cáncer, pero aún se necesitan marcadores predictivos. Además, se están aprobando nuevos agentes de inmunoterapia sistémica en muchos tipos de cáncer, como alternativa a los inhibidores de la angiogénesis. Un marco más amplio que incluya los mecanismos metastásicos, el microambiente tumoral (TME, es decir, la angiogénesis y el infiltrado inmunitario) y la respuesta al tratamiento podría responder a varias necesidades actualmente no satisfechas. Las redes bayesianas y los modelos causales se pueden emplear para sacar conclusiones de manera efectiva a partir de datos retrospectivos.
El objetivo del presente estudio es investigar en pacientes con CCR y carcinoma suprarrenal (CA) la expresión de VETC en el tejido tumoral, correlacionando los resultados con los datos clínicos, las características de los pacientes y el resultado.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Antecedentes e introducción
La metástasis es la principal causa de muerte en pacientes con cáncer y, a menudo, se recomienda la transición epitelial a mesenquimatosa (EMT) como el mecanismo básico, aunque se han identificado algunas limitaciones [1,2] Recientemente, Fang y sus colegas describieron un proceso independiente de EMT de metástasis en carcinoma hepatocelular (CHC): el endotelio (resaltado por inmunohistoquímica CD34) cubre un pequeño grupo de células tumorales que permiten la diseminación tumoral [3]. Este proceso de angiogénesis, denominado VETC (vasos que encapsulan grupos tumorales) en la literatura sobre CHC, se ha descrito con diferentes nombres en otros tipos de cáncer [4]. Además, los investigadores confirmaron el impacto negativo de VETC en el pronóstico de los pacientes en una gran cohorte multicéntrica de HCC [5]. Además, Fang et al demostraron que los pacientes afectados por CHC VETC-positivo se benefician más de la terapia con sorafenib [6]. Curiosamente, este tipo de angiogénesis también se encontró en el carcinoma de células renales, el feocromocitoma de la glándula suprarrenal, el carcinoma folicular de tiroides y el sarcoma alveolar de partes blandas (ASPS) y se asoció con el pronóstico [7-10, 34,35]. Además, la distinción entre neoplasias benignas y malignas de la glándula suprarrenal es un asunto complejo, ya que los criterios establecidos todavía carecen de una fuerte reproducibilidad [36].
Varios inhibidores de la tirosina quinasa están disponibles para diferentes tipos de cáncer; entre ellos, HCC, RCC, ASPS y TC pueden beneficiarse de los llamados inhibidores de la tirosina quinasa antiangiogénicos (aTKI) (como sunitinib, sorafenib, pazopanib) [11-14].
Justificación del estudio Falta una validación general (independiente del histotipo) del papel pronóstico de VETC. Además, los inhibidores de los receptores del factor de crecimiento endotelial vascular tirosina-quinasa (VEGFR-TKI) representan un tratamiento eficaz para diferentes tipos de cáncer, pero aún se necesitan marcadores predictivos. Además, se están aprobando nuevos agentes de inmunoterapia sistémica en muchos tipos de cáncer, como alternativa a los inhibidores de la angiogénesis. Un marco más amplio que incluya los mecanismos metastásicos, el microambiente tumoral (TME, es decir, la angiogénesis y el infiltrado inmunitario) y la respuesta al tratamiento podría responder a varias necesidades actualmente no satisfechas. Las redes bayesianas y los modelos causales se pueden emplear para sacar conclusiones de manera efectiva a partir de datos retrospectivos.
Objetivos del estudio Objetivos generales
- La investigación sistemática de VETC en RCC y AC para representar el impacto de este fenómeno.
- Explorar el posible papel de TME y, en particular, de VETC en la predicción de una respuesta más beneficiosa a los VEGFR-TKI, proporcionando una nueva herramienta para guiar la elección terapéutica.
Diseño del estudio El estudio es monocéntrico, observacional y se realizará sobre datos clínicos e histológicos recopilados en el curso del estudio.
Para todas las series, se registrarán las características clínicas y epidemiológicas, se revisarán todas las láminas histológicas disponibles y, en las láminas del tumor primario, se reevaluarán las características histológicas.
Siempre que estén presentes múltiples muestras de tumores, se seleccionarán y teñirán con anticuerpo CD34 aquellas que tengan la interfase tumor-tejido circundante.
VETC será evaluado de forma independiente por, al menos, dos patólogos, ciegos a los datos clínicos. VETC se registrará como positivo o negativo, siendo VETC definido como inmunorreactividad inequívoca de CD34 de un revestimiento continuo de células endoteliales alrededor de grupos tumorales. El VETC se considerará una alternativa al patrón capilar común, que consiste en pequeños vasos sanguíneos circulares o lineales.
Consideraciones estadísticas El proyecto prevé recopilar datos de 100 pacientes que se sometieron a cirugía por CCR en nuestra institución entre 2005 y 2007 para evaluar el impacto de VETC en el pronóstico, y datos de 60 pacientes que recibieron sunitinib o pazopanib como tratamiento de primera línea para CCR en nuestro centro para explorar si los pacientes con fenotipo vascular VETC se beneficiarían más del tratamiento con TKI. Además, los investigadores recogerán datos de 20 pacientes intervenidos de CA en nuestra Institución entre 2000 y 2018.
Análisis bayesiano Se construirán gráficos acíclicos dirigidos con la información científica disponible; se calcularán conjuntos de ajuste e independencias condicionales [15-17]. Se implementarán simulaciones predictivas previas, cuando sea relevante, para regularizar el anterior y reducir el sobreajuste. Las variables continuas se estandarizarán para facilitar el muestreo. Los modelos se ajustarán utilizando Stan (un lenguaje de programación probabilístico) y R [18,19]. Stan ejecuta un muestreador No U-Turn, una extensión del muestreo hamiltoniano Monte Carlo (HMC), que es en sí mismo una forma de Markov Chain Monte Carlo [20-22]. Se generarán cuatro cadenas para 4000 iteraciones u 8000 siempre que el tamaño de muestra efectivo a granel sea bajo. Las 2000 (o 4000) iteraciones finales de cada cadena convergen como lo indican los diagnósticos posteriores al modelado, como el número de Gelman-Rubin R efectivo.[23] Se garantizará un desempeño posterior satisfactorio del modelo predictivo antes de usar medias de muestra (para estimaciones) y cuantiles de muestra (para intervalos de compatibilidad (IC)) [23,24]. El IC se calculará como el 89% del intervalo de densidad posterior más alto (HDPI) [23]. Siempre que haya más grupos de datos presentes, los investigadores utilizarán modelos multinivel (jerárquicos) de efectos variables [25]. Para limitar las transiciones divergentes, los investigadores repararán los modelos con una forma equivalente no centrada [26] La precisión predictiva se medirá a través de criterios de información ampliamente aplicables (WAIC) [27].
Retiro de sujetos Los datos faltantes serán tratados modelando el proceso de faltantes. [28-29]
Formularios y procedimientos de recogida y tratamiento de datos A cada sujeto se le asignará un número de identificación correlativo. Para cada sujeto, los datos se recopilarán en un formulario de informe de caso (CRF). CRF incluirá SIN, nombre, sexo, fecha de nacimiento, fecha de cirugía primaria, lado, tamaño, histotipo, grado relevante, necrosis, invasión linfovascular, R, estadio, fecha de terapia con TKI, fecha de progresión de la enfermedad, puntuaciones pronósticas (IMDC puntuación [30], puntuación MSKCC [31]), puntuación de Karnofsky [32], datos de la penúltima línea (tipo, fechas de inicio y finalización, mejor respuesta, fecha de progresión), estado del último seguimiento, último contacto, muerte, VETC. Todos los datos serán registrados en formato de hoja de cálculo de Microsoft Excel. Los datos son recopilados por el administrador de datos y la base de datos se bloqueará con una contraseña. Los espacios se llenarán con "NA" siempre que una característica no haya sido explorada o un ítem no sea aplicable al caso individual.
Para AC, CRF incluirá SIN, nombre, sexo, fecha de nacimiento, fecha de cirugía primaria, lado, tamaño y criterios pronósticos de malignidad basados en la clasificación de Weiss mod [33].
Consideraciones éticas Protección del paciente El investigador responsable se asegurará de que este estudio se realice de acuerdo con la Declaración de Helsinki (enmiendas de Tokio, Venecia, Hong Kong y Somerset West) o las leyes y reglamentos del país.
El protocolo se ha escrito y el estudio se llevará a cabo de acuerdo con la Guía institucional (ICH) de Buenas Prácticas Clínicas. El protocolo y sus anexos estuvieron sujetos a revisión y aprobación por parte de los Comités Independientes de Ética ("IEC") competentes.
Identificación del sujeto - Protección de datos personales Todos los registros que identifiquen al sujeto deben mantenerse confidenciales y, en la medida permitida por las leyes y/o reglamentos aplicables, no deben ponerse a disposición del público. El nombre del paciente no será solicitado ni registrado en el Centro de Datos. Se atribuirá automáticamente un número de identificación secuencial a cada paciente registrado en el estudio. Este número identificará al paciente y debe incluirse en todos los formularios de informes de casos. Para evitar errores de identificación, las iniciales del paciente y la fecha de nacimiento también se informarán en los formularios de informe de casos.
Toda la información o documentación del paciente relacionada con un ensayo clínico, en la medida en que lo permita, a través de una "clave" guardada en cualquier lugar, independientemente de si dicha clave se proporciona junto con la información o la documentación o no, debe considerarse que contiene datos personales confidenciales. del paciente, por lo que está sujeto a lo dispuesto en la normativa aplicable en materia de protección de datos ("privacidad"). El incumplimiento de dichas normas puede dar lugar a sanciones administrativas o incluso penales.
La información o documentación del paciente puede ser considerada "anónima", y como tal no sujeta a las normas de privacidad, sólo cuando ya no se disponga de ninguna clave que permita la identificación del paciente.
Consentimiento informado Todos los pacientes serán informados de los objetivos del estudio. Se les informará sobre la estricta confidencialidad de los datos de sus pacientes, pero que sus registros médicos podrán ser revisados para fines de estudio por personas autorizadas distintas a su médico tratante. Se enfatizará que la participación es voluntaria y que el paciente puede negarse a seguir participando en el protocolo cuando quiera. Esto no perjudicará la atención posterior del paciente. Se debe obtener el consentimiento informado documentado para todos los pacientes incluidos en el estudio antes de que se registren en el Centro de datos. Esto debe hacerse de acuerdo con los requisitos reglamentarios nacionales y locales. Para los estados miembros de la Unión Europea, el procedimiento de consentimiento informado debe cumplir con las directrices de la ICH sobre buenas prácticas clínicas. Esto implica que "el formulario de consentimiento informado por escrito debe ser firmado y fechado personalmente por el paciente o por el representante legalmente aceptable del paciente".
Conflicto de intereses Cualquier investigador y/o miembro del personal de investigación que tenga un conflicto de intereses con este estudio (como propiedad de patentes, regalías o ganancias financieras superiores al mínimo permitido por su institución) debe revelar completamente la naturaleza del conflicto de intereses. .
Propiedad de los datos De acuerdo con las Directrices de Buenas Prácticas Clínicas de la ICH, el patrocinador de un estudio (la Institución, en caso de que el investigador o los coordinadores del estudio actúen como patrocinadores en el desempeño de sus funciones institucionales en virtud del contrato de empleo o colaboración con Humanitas) es el propietario. de los datos resultantes de la misma. Todos los centros e investigadores que participen en el estudio deben ser informados de tal circunstancia e invitados a no difundir información o datos sin el consentimiento previo y expreso de la Institución.
Tipo de estudio
Inscripción (Anticipado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Salvatore L Renne, MD
- Número de teléfono: +39028224 7743
- Correo electrónico: salvatore.renne@hunimed.eu
Copia de seguridad de contactos de estudio
- Nombre: Paolo A Zucali, MD
- Número de teléfono: +398224 4061
- Correo electrónico: paolo.zucali@hunimed.eu
Ubicaciones de estudio
-
-
MI
-
Rozzano, MI, Italia, 20089
- Reclutamiento
- Humanitas Clinical and Research Hospital
-
Contacto:
- Salvatore L Renne, MD
- Número de teléfono: +3902 8224 7743
- Correo electrónico: salvatore.renne@hunimed.eu
-
Contacto:
- Paolo A Zucali, MD
- Número de teléfono: +3902 8224 4061
- Correo electrónico: paolo.zucali@hunimed.eu
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Método de muestreo
Población de estudio
Para evaluar los efectos de VETC en el pronóstico, este estudio incluirá series de pacientes que se sometieron a cirugía en nuestra institución por CCR (de 2005 a 2007) y por carcinoma suprarrenal (2000-2018). Además, para investigar el posible papel de TME, en particular de VETC, en la predicción del beneficio de los TKI, este estudio considerará series de RCC, seleccionados de una base de datos mantenida prospectivamente de pacientes tratados con TKI de primera línea en nuestro centro.
Tamaño de muestra estimado: 160 pacientes para CCR y 20 pacientes para AC.
Descripción
Criterios de inclusión:
- Diagnóstico histológico de Carcinoma de Células Renales;
- Diagnóstico histológico de Carcinoma de la glándula suprarrenal;
- Disponibilidad de material histológico;
- Para la evaluación del papel pronóstico: ningún tratamiento sistémico con TKI administrado antes de la cirugía.
Criterio de exclusión:
- Material histológico no disponible;
- Para RCC: diagnóstico histológico diferente del histotipo Clear Cell.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Grupo
- Perspectivas temporales: Retrospectivo
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Carcinoma de células renales (CCR)
Para todas las series, se registrarán las características clínicas y epidemiológicas, se revisarán todas las láminas histológicas disponibles y, en las láminas del tumor primario, se reevaluarán las características histológicas. Siempre que estén presentes múltiples muestras de tumores, se seleccionarán y teñirán con anticuerpo CD34 aquellas que tengan la interfase tumor-tejido circundante. VETC será evaluado de forma independiente por, al menos, dos patólogos, ciegos a los datos clínicos. VETC se registrará como positivo o negativo, siendo VETC definido como inmunorreactividad inequívoca de CD34 de un revestimiento continuo de células endoteliales alrededor de grupos tumorales. El VETC se considerará una alternativa al patrón capilar común, que consiste en pequeños vasos sanguíneos circulares o lineales. |
Evaluaremos la presencia de VETC en muestras de tejido
Otros nombres:
|
|
Carcinoma suprarrenal
ver (RCC)
|
Evaluaremos la presencia de VETC en muestras de tejido
Otros nombres:
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
VETC en RCC y AC.
Periodo de tiempo: 2-3 meses
|
Identificar la expresión de VETC en Carcinoma de Células Renales y Carcinoma Suprarrenal.
|
2-3 meses
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
VETC predictivo (OS)
Periodo de tiempo: 2-3 meses
|
Supervivencia general específica del tratamiento
|
2-3 meses
|
|
VETC predictivo (PFS)
Periodo de tiempo: 2-3 meses
|
Tratamiento específico Supervivencia libre de progresión
|
2-3 meses
|
|
VETC predictivo (control)
Periodo de tiempo: 2-3 meses
|
Tasa de control de enfermedades específicas del tratamiento
|
2-3 meses
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Salvatore L Renne, MD, Humanitas Clinical and Reseach Hospital
Publicaciones y enlaces útiles
Publicaciones Generales
- Kalluri R, Weinberg RA. The basics of epithelial-mesenchymal transition. J Clin Invest. 2009 Jun;119(6):1420-8. doi: 10.1172/JCI39104. Erratum In: J Clin Invest. 2010 May 3;120(5):1786.
- Ledford H. Cancer theory faces doubts. Nature. 2011 Apr 21;472(7343):273. doi: 10.1038/472273a. No abstract available.
- Fang JH, Zhou HC, Zhang C, Shang LR, Zhang L, Xu J, Zheng L, Yuan Y, Guo RP, Jia WH, Yun JP, Chen MS, Zhang Y, Zhuang SM. A novel vascular pattern promotes metastasis of hepatocellular carcinoma in an epithelial-mesenchymal transition-independent manner. Hepatology. 2015 Aug;62(2):452-65. doi: 10.1002/hep.27760. Epub 2015 Apr 22.
- Carmeliet P, Jain RK. Molecular mechanisms and clinical applications of angiogenesis. Nature. 2011 May 19;473(7347):298-307. doi: 10.1038/nature10144.
- Renne SL, Woo HY, Allegra S, Rudini N, Yano H, Donadon M, Vigano L, Akiba J, Lee HS, Rhee H, Park YN, Roncalli M, Di Tommaso L. Vessels Encapsulating Tumor Clusters (VETC) Is a Powerful Predictor of Aggressive Hepatocellular Carcinoma. Hepatology. 2020 Jan;71(1):183-195. doi: 10.1002/hep.30814. Epub 2019 Aug 9.
- Fang JH, Xu L, Shang LR, Pan CZ, Ding J, Tang YQ, Liu H, Liu CX, Zheng JL, Zhang YJ, Zhou ZG, Xu J, Zheng L, Chen MS, Zhuang SM. Vessels That Encapsulate Tumor Clusters (VETC) Pattern Is a Predictor of Sorafenib Benefit in Patients with Hepatocellular Carcinoma. Hepatology. 2019 Sep;70(3):824-839. doi: 10.1002/hep.30366. Epub 2019 Mar 15.
- Sugino T, Yamaguchi T, Hoshi N, Kusakabe T, Ogura G, Goodison S, Suzuki T. Sinusoidal tumor angiogenesis is a key component in hepatocellular carcinoma metastasis. Clin Exp Metastasis. 2008;25(7):835-41. doi: 10.1007/s10585-008-9199-6. Epub 2008 Aug 20.
- Edeline J, Mottier S, Vigneau C, Jouan F, Perrin C, Zerrouki S, Fergelot P, Patard JJ, Rioux-Leclercq N. Description of 2 angiogenic phenotypes in clear cell renal cell carcinoma. Hum Pathol. 2012 Nov;43(11):1982-90. doi: 10.1016/j.humpath.2012.01.023. Epub 2012 May 22.
- Lopez JI, Erramuzpe A, Guarch R, Cortes JM, Pulido R, Llarena R, Angulo JC. CD34 immunostaining enhances a distinct pattern of intratumor angiogenesis with prognostic implications in clear cell renal cell carcinoma. APMIS. 2017 Feb;125(2):128-133. doi: 10.1111/apm.12649.
- Setsu N, Yoshida A, Takahashi F, Chuman H, Kushima R. Histological analysis suggests an invasion-independent metastatic mechanism in alveolar soft part sarcoma. Hum Pathol. 2014 Jan;45(1):137-42. doi: 10.1016/j.humpath.2013.07.045.
- Brose MS, Nutting CM, Jarzab B, Elisei R, Siena S, Bastholt L, de la Fouchardiere C, Pacini F, Paschke R, Shong YK, Sherman SI, Smit JW, Chung J, Kappeler C, Pena C, Molnar I, Schlumberger MJ; DECISION investigators. Sorafenib in radioactive iodine-refractory, locally advanced or metastatic differentiated thyroid cancer: a randomised, double-blind, phase 3 trial. Lancet. 2014 Jul 26;384(9940):319-28. doi: 10.1016/S0140-6736(14)60421-9. Epub 2014 Apr 24.
- Motzer RJ, Hutson TE, Tomczak P, Michaelson MD, Bukowski RM, Rixe O, Oudard S, Negrier S, Szczylik C, Kim ST, Chen I, Bycott PW, Baum CM, Figlin RA. Sunitinib versus interferon alfa in metastatic renal-cell carcinoma. N Engl J Med. 2007 Jan 11;356(2):115-24. doi: 10.1056/NEJMoa065044.
- Paoluzzi L, Maki RG. Diagnosis, Prognosis, and Treatment of Alveolar Soft-Part Sarcoma: A Review. JAMA Oncol. 2019 Feb 1;5(2):254-260. doi: 10.1001/jamaoncol.2018.4490.
- Sternberg CN, Davis ID, Mardiak J, Szczylik C, Lee E, Wagstaff J, Barrios CH, Salman P, Gladkov OA, Kavina A, Zarba JJ, Chen M, McCann L, Pandite L, Roychowdhury DF, Hawkins RE. Pazopanib in locally advanced or metastatic renal cell carcinoma: results of a randomized phase III trial. J Clin Oncol. 2010 Feb 20;28(6):1061-8. doi: 10.1200/JCO.2009.23.9764. Epub 2010 Jan 25.
- Pearl, J. Causality. (Cambridge university press, 2009).
- van der Zander, B., Liskiewicz, M. & Textor, J. Constructing Separators and Adjustment Sets in Ancestral Graphs. in Proceedings of UAI 11-24 (2014).
- Perković, E., Textor, J., Kalisch, M. & Maathuis, M. H. A complete generalized adjustment criterion. arXiv Prepr. arXiv1507.01524 (2015).
- R Core Team. R: A Language and Environment for Statistical Computing. (2019)
- Carpenter, B. et al. Stan : A Probabilistic Programming Language. J. Stat. Softw. 76, (2017).
- Duane, S., Kennedy, A. D., Pendleton, B. J. & Roweth, D. Hybrid Monte Carlo. Phys. Lett. B 195, 216-222 (1987).
- Metropolis, N., Rosenbluth, A. W., Rosenbluth, M. N., Teller, A. H. & Teller, E. Equation of State Calculations by Fast Computing Machines. J. Chem. Phys. 21, 1087-1092 (1953).
- Hoffman, M. D. & Gelman, A. The no-U-turn sampler: Adaptively setting path lengths in Hamiltonian Monte Carlo. J. Mach. Learn. Res. 15, 1593-1623 (2014).
- Gelman, A. et al. Bayesian data analysis. (CRC press, 2013).
- McElreath, R. Statistical rethinking: A Bayesian course with examples in R and Stan. (CRC press, 2020).
- Gelman, A. Discussion paper analysis of variance - Why it is more important than ever. Ann. Stat. 33, 1-53 (2005).
- Papaspiliopoulos, O., Roberts, G. O. & Sköld, M. A general framework for the parametrization of hierarchical models. Stat. Sci. 22, 59-73 (2007).
- Watanabe, S. Asymptotic equivalence of Bayes cross validation and widely applicable information criterion in singular learning theory. J. Mach. Learn. Res. 11, 3571-3594 (2010).
- Rubin, D. B. Inference and missing data. Biometrika 63, 581-592 (1976).
- Little, R. J. A. & Rubin, D. B. Statistical Analysis with Missing Data. (Wiley, 2019).
- Heng DY, Xie W, Regan MM, Warren MA, Golshayan AR, Sahi C, Eigl BJ, Ruether JD, Cheng T, North S, Venner P, Knox JJ, Chi KN, Kollmannsberger C, McDermott DF, Oh WK, Atkins MB, Bukowski RM, Rini BI, Choueiri TK. Prognostic factors for overall survival in patients with metastatic renal cell carcinoma treated with vascular endothelial growth factor-targeted agents: results from a large, multicenter study. J Clin Oncol. 2009 Dec 1;27(34):5794-9. doi: 10.1200/JCO.2008.21.4809. Epub 2009 Oct 13.
- Mekhail TM, Abou-Jawde RM, Boumerhi G, Malhi S, Wood L, Elson P, Bukowski R. Validation and extension of the Memorial Sloan-Kettering prognostic factors model for survival in patients with previously untreated metastatic renal cell carcinoma. J Clin Oncol. 2005 Feb 1;23(4):832-41. doi: 10.1200/JCO.2005.05.179.
- Karnofsky DA Burchenal JH. (1949). 'The Clinical Evaluation of Chemotherapeutic Agents in Cancer.' In: MacLeod CM (Ed), Evaluation of Chemotherapeutic Agents. Columbia Univ Press. Page 196.
- Aubert S, Wacrenier A, Leroy X, Devos P, Carnaille B, Proye C, Wemeau JL, Lecomte-Houcke M, Leteurtre E. Weiss system revisited: a clinicopathologic and immunohistochemical study of 49 adrenocortical tumors. Am J Surg Pathol. 2002 Dec;26(12):1612-9. doi: 10.1097/00000478-200212000-00009.
- Oudijk L, van Nederveen F, Badoual C, Tissier F, Tischler AS, Smid M, Gaal J, Lepoutre-Lussey C, Gimenez-Roqueplo AP, Dinjens WN, Korpershoek E, de Krijger R, Favier J. Vascular pattern analysis for the prediction of clinical behaviour in pheochromocytomas and paragangliomas. PLoS One. 2015 Mar 20;10(3):e0121361. doi: 10.1371/journal.pone.0121361. eCollection 2015.
- Favier J, Plouin PF, Corvol P, Gasc JM. Angiogenesis and vascular architecture in pheochromocytomas: distinctive traits in malignant tumors. Am J Pathol. 2002 Oct;161(4):1235-46. doi: 10.1016/S0002-9440(10)64400-8.
- Lau SK, Weiss LM. The Weiss system for evaluating adrenocortical neoplasms: 25 years later. Hum Pathol. 2009 Jun;40(6):757-68. doi: 10.1016/j.humpath.2009.03.010.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Anticipado)
Finalización del estudio (Anticipado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
- Neoplasias por tipo histológico
- Neoplasias
- Neoplasias Urológicas
- Neoplasias urogenitales
- Neoplasias por sitio
- Enfermedades Renales
- Enfermedades urológicas
- Adenocarcinoma
- Neoplasias Glandulares y Epiteliales
- Enfermedades del sistema endocrino
- Neoplasias de glándulas endocrinas
- Neoplasias Renales
- Enfermedades de las glándulas suprarrenales
- Neoplasias de la corteza suprarrenal
- Neoplasias de las glándulas suprarrenales
- Enfermedades de la corteza suprarrenal
- Carcinoma De Célula Renal
- Carcinoma
- Carcinoma adrenocortical
Otros números de identificación del estudio
- Predictive VETC
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Marco de tiempo para compartir IPD
Criterios de acceso compartido de IPD
Tipo de información de apoyo para compartir IPD
- Protocolo de estudio
- Plan de Análisis Estadístico (SAP)
- Formulario de consentimiento informado (ICF)
- Informe de estudio clínico (CSR)
- Código analítico
Datos del estudio/Documentos
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .