MétaCan
Menu
Retour à la cohorte
Enregistrement W2811326314 · doi:10.1097/ccm.0000000000003258

Management of the Critically Ill Adult Chimeric Antigen Receptor-T Cell Therapy Patient: A Critical Care Perspective

2018· review· en· W2811326314 sur OpenAlexaff
Cristina Gutiérrez, Colleen McEvoy, Elena Mead, R. Scott Stephens, Laveena Munshi, Michael E. Detsky, Stephen M. Pastores, Joseph L. Nates

Notice bibliographique

RevueCritical Care Medicine · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensMount Sinai HospitalToronto General Hospital
Organismes subventionnairesNational Cancer Institute
Mots-clésMedicineCritically illPerspective (graphical)Chimeric antigen receptorIntensive care medicineCritical illnessCell therapyImmunologyImmunotherapyImmune systemCell

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Chimeric antigen receptor T-cell therapy, a type of immune effector therapy for cancer, has demonstrated encouraging results in clinical trials for the treatment of patients with refractory hematologic malignancies. Nevertheless, there are toxicities specific to these treatments that, if not recognized and treated appropriately, can lead to multiple organ failure and death. This article is a comprehensive review of the available literature and provides, from a critical care perspective, recommendations by experienced intensivists in the care of critically ill adult chimeric antigen receptor T-cell patients. DATA SOURCES: PubMed and Medline search of articles published from 2006 to date. STUDY SELECTION: Clinical studies, reviews, or guidelines were selected and reviewed by the authors. DATA EXTRACTION: Not available. DATA SYNTHESIS: Not available. CONCLUSIONS: Until modifications in chimeric antigen receptor T-cell therapy decrease their toxicities, the intensivist will play a leading role in the management of critically ill chimeric antigen receptor T-cell patients. As this novel immunotherapeutic approach becomes widely available, all critical care clinicians need to be familiar with the recognition and management of complications associated with this treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,005
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,047
Tête enseignante GPT0,405
Écart entre enseignants0,358 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations68
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetCAR-T cell therapy researchTravaux en français237 207