MétaCan
Menu
Retour à la cohorte
Enregistrement W2194675780 · doi:10.1158/2326-6066.cir-15-0141

Subacute CNS Demyelination after Treatment with Nivolumab for Melanoma

2015· article· en· W2194675780 sur OpenAlexaff
Catherine Maurice, Raphaël Schneider, Tim‐Rasmus Kiehl, Prashant Bavi, Michael H. A. Roehrl, Warren Mason, David Hogg

Notice bibliographique

RevueCancer Immunology Research · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity Health NetworkUniversity of TorontoPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésNivolumabIpilimumabMedicineMelanomaImmunotherapyPathologyImmunologyOncologyImmune systemCancer research

Résumé

récupéré en direct d'OpenAlex

Immunotherapy with monoclonal antibodies targeting cytotoxic T-lymphocyte antigen 4 (CTLA-4) or programmed cell death 1 (PD-1) has improved the survival of patients with metastatic melanoma. These agents carry a certain risk of adverse immune-related events. We present a patient with widely metastatic melanoma who was initially treated with ipilimumab and subsequently with nivolumab. After four infusions of nivolumab, he developed subacute multifocal central nervous system (CNS) demyelination. Nivolumab was discontinued and, despite immunosuppressive therapy, the largest lesion progressed significantly, whereas another lesion showed radiographic improvement. After further progression, the patient succumbed to his CNS lesions 4 months later. Autopsy revealed extensive demyelination, a mild multifocal T-cell-rich perivascular lymphoid infiltrate, abundant macrophages, and necrosis. There was no metastatic melanoma in the brain. CNS demyelination has not been described in association with nivolumab. We hypothesize that the combination therapy of ipilimumab and subsequent nivolumab accounted for the severity of the demyelinating process in this patient. This case, with comprehensive clinical, molecular, and neuropathologic characterization, illustrates the need for awareness of these potential CNS complications with the use of multiple checkpoint inhibitors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,412
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Immunology ResearchMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207