Risk of infections in renal cell carcinoma (RCC) and non-RCC patients treated with mammalian target of rapamycin inhibitors
Notice bibliographique
Résumé
BACKGROUND: Mammalian target of rapamycin (mTOR) inhibitors are used in a variety of malignancies. Infections have been reported with these drugs. We performed an up-to-date meta-analysis to further characterise the risk of infections in cancer patients treated with these agents. METHODS: Pubmed and oncology conferences' proceedings were searched for studies from January 1966 to June 2012. Studies were limited to phase II and III randomised controlled trials (RCTs) of everolimus or temsirolimus reporting on cancer patients with adequate safety profiles. Summary incidences, relative risks (RRs), and 95% confidence intervals (CIs) were calculated. RESULTS: A total of 3180 patients were included. The incidence of all-grade and high-grade infections due to mTOR inhibitors was 33.1% (95% CI, 24.5-43.0%) and 5.6% (95% CI, 3.8-8.3%), respectively. Compared with controls, the RR of all-grade and high-grade infections due to mTOR inhibitors was 2.00 (95% CI, 1.76-2.28, P<0.001) and 2.60 (95% CI, 1.54-4.41, P<0.001), respectively. Subgroup analysis found no difference in incidences or risks between everolimus and temsirolimus or between different tumour types (renal cell carcinoma (RCC) vs non-RCC). Infections included respiratory tract (61.7%), genitourinary (29.4%), skin/soft tissue (4.2%), and others (4.9%). CONCLUSION: Treatment with mTOR inhibitors is associated with a significant increase in risk of infections. Close monitoring for any signs of infections is warranted.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».