Immunotherapy efficacy and toxicity in a real-world elderly population.
Notice bibliographique
Résumé
e15137 Background: Immunotherapy has emerged as an effective treatment option for the management of advanced cancers. However, the immune system modulation of this class of medication can cause immune related adverse events (irAEs). In this study, we explored the impact of aging on CTLA-4 and PDL-1 inhibitors efficacy and irAE in the context of real-world management of solid cancers. Methods: This retrospective study involved all non-study patients with histologically-confirmed metastatic or inoperable solid cancers receiving immunotherapy at Kingston Health Sciences Centre. We defined ‘Elderly’ as age ≥75. We collected treatment responses, efficacy, and irAEs as study outcomes. All statistical analyses were conducted under SPSS IBM for Windows version 24.0. Results: Our study (N = 78) had 29 (37%) patients age < 65, 26 (33%) patients age 65-74, and 29 (30%) patients age ≥75. Melanoma, non-small cell lung cancer, and renal cell carcinoma accounted for 70%, 22%, and 8% of the study population respectively. Distributions of ipilimumab (32%), nivolumab (33%), and pembrolizumab (35%) were similar in the study. The response rates were 28%, 27%, and 39% in the age < 65, age 64-74, age ≥75 groups respectively (P = 0.585). Kaplan-Meier curve showed a median survival of 28 months (12.28-43.9, 95% CI) and 17 months (0-36.9, 95% CI) in the age < 65 and age 64-74 groups respectively, and it has not been reached in the age > 75 (P = 0.319). There were no statistically significant differences found in terms of irAEs, multiple irAEs, severity of grade 3 or higher, types of irAEs, and irAEs resolution status when comparing between different age groups. Conclusions: Elderly patients are able to tolerate and gain significant benefit from immunotherapy at least as much as or even more than younger patients. The toxicity of the single agent immunotherapy is mild in this population, and the treatment is well-tolerated. Future studies in evaluating aging and combination immunotherapy would be required.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».