Predictors of Immunotherapy-Induced Immune-Related Adverse Events
Notice bibliographique
Résumé
Purpose: We aimed to elucidate predictive factors for the development of immune-related adverse events (iraes) in patients receiving immunotherapies for the management of advanced solid cancers. Methods: This retrospective study involved all patients with histologically confirmed metastatic or inoperable melanoma, non-small-cell lung cancer, or renal cell carcinoma receiving immunotherapy at the Cancer Centre of Southeastern Ontario. The type and severity of iraes, as well as potential protective and exacerbating factors, were collected from patient charts. Results: The study included 78 patients receiving ipilimumab (32%), nivolumab (33%), or pembrolizumab (35%). Melanoma, non-small-cell lung cancer, and renal cell carcinoma accounted for 70%, 22%, and 8% of the cancers in the study population. In 41 patients (53%) iraes developed, with multiple iraes developing in 12 patients (15%). In most patients (70%), the iraes were of severity grade 1 or 2. Female sex [adjusted odds ratio (oradj): 0.094; 95% confidence interval (ci): 0.021 to 0.415; p = 0.002] and corticosteroid use before immunotherapy (oradj: 0.143; 95% ci: 0.036 to 0.562; p = 0.005) were found to be associated with a protective effect against iraes. In contrast, a history of autoimmune disease (oradj: 9.55; 95% ci: 1.34 to 68.22; p = 0.025), use of ctla-4 inhibitors (oradj: 6.25; 95% ci: 1.61 to 24.25; p = 0.008), and poor kidney function of grade 3 or greater (oradj: 10.66; 95% ci: 2.41 to 47.12; p = 0.025) were associated with a higher risk of developing iraes. A Hosmer–Lemeshow goodness-of-fit test demonstrated that the logistic regression model was effective at predicting the development of iraes (chi-square: 1.596; df = 7; p = 0.979). Conclusions: Our study highlights several factors that affect the development of iraes in patients receiving immunotherapy. Although future studies are needed to validate the resulting model, findings from the study can help to guide risk stratification, monitoring, and management of iraes in patients given immunotherapy for advanced cancer.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».