The Effect of Sunitinib on Immune Subsets in Metastatic Clear Cell Renal Cancer
Notice bibliographique
Résumé
BACKGROUND: Sunitinib is standard first-line therapy for metastatic clear cell renal cancer (MCRC). It is associated with leucopenia; however, its effects on specific immune cell subsets are unclear. Alterations in immune cell subsets may contribute to tumour progression. METHODS: Lymphocyte subsets (CD3, 4, 8, 19 and 56) were measured in 43 untreated MCRC patients who received sunitinib. The protocol included a structured treatment interruption of 5 weeks. Cell populations were measured at specific time points during sunitinib treatment and the treatment break. RESULTS: Sunitinib was associated with significant declines in total leucocyte (-48%), neutrophil (-62%), CD3 total T cell (-31%) and CD4 counts (32%; p < 0.05). There was no significant change in CD19 B lymphocyte, CD8 or CD56 natural killer cells. During the sunitinib-free interval, all parameters recovered to baseline. No patients developed opportunistic infections or neutropenic sepsis. The level of specific immune subsets at presentation or occurrence of a fall in specific counts had an effect on progression-free survival (p > 0.05). CONCLUSIONS: Sunitinib is associated with reversible inhibition of specific lymphocyte subsets which has implications for the immunological control of MCRC and its use in combination with other agents. Despite suppressive effects, there was no evidence of predisposition to immune suppressive-related infection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».