Ocular adverse events with immune checkpoint inhibitors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To quantify the risk of ocular adverse events with immune checkpoint inhibitors (ICIs) as reported to the Food and Drug Administration (FDA). METHODS: Disproportionality analysis using data from U.S. FDA's Adverse Events Reporting System (FAERS) database 2003 to 2018. Data from pharmaceutical manufacturers, healthcare providers, consumers in the U.S., and post-marketing clinical trial reports from U.S. and non-U.S. studies. All cases of uveitis, dry eye syndrome, ocular myasthenia and eye inflammation with use of the following ICIs: atezolizumab, avelumab, cemiplimab, durvalumab, ipilimumab, nivolumab and pembrolizumab. Reported odds ratios (RORs) and corresponding 95% confidence intervals (CIs) were computed for all drugs as a group or as individual agents. RESULTS: We identified 113 ocular adverse events for all ICIs of interest including uveitis, dry eye, ocular myasthenia and eye inflammation. Nivolumab had the highest number of adverse events (N = 68) associated with use of the ICI. Nivolumab had the highest association with ocular myasthenia [ROR = 22.82, 95% CI (7.18-72.50)] followed by pembrolizumab [ROR = 20.17, 95% CI (2.80-145.20)]. Among all ICIs approved in North America, atezolizumab had the highest association with eye inflammation [ROR = 18.89, 95% CI (6.07-58.81)] and ipilmumab had the highest association with uveitis [ROR = 10.54, 95% CI (7.30-15.22)]. CONCLUSION: The results of this disproportionality analysis suggest use of ICIs is associated with an increase risk for ocular adverse reactions. Future epidemiologic studies are needed to better quantify these adverse events.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle