Proposed diagnostic and treatment paradigm for high-grade neurological complications of immune checkpoint inhibitors
Notice bibliographique
Résumé
Immune checkpoint inhibitors such as antibodies to cytotoxic lymphocyte-associated protein 4 (ipilimumab) and programmed cell-death 1 (pembrolizumab, nivolumab) molecules have been used in non-small cell lung cancer, metastatic melanoma, and renal-cell carcinoma, among others. With these agents, immune-related adverse events (irAEs) can occur, including those affecting the neurological axis. In this review, high-grade neurological irAEs associated with immune checkpoint inhibitors including cases of Guillain-Barré syndrome (GBS) and myasthenia gravis (MG) are analyzed. Based on current literature and experience at our institution with 4 cases of high-grade neurological irAEs associated with immune checkpoint inhibitors (2 cases of GBS, 1 case of meningo-radiculitis, and 1 case of myelitis), we propose an algorithm for the investigation and treatment of high-grade neurological irAEs. Our algorithm incorporates both peripheral nervous system (meningo-radiculitis, GBS, MG) and central nervous system presentations (myelitis, encephalopathy). It is anticipated that our algorithm will be useful both to oncologists and neurologists who are likely to encounter neurological irAEs more frequently in the future as immune checkpoint inhibitors become more widely used.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».