AIHA and Pancytopenia as Complications of Pembrolizumab Therapy for Metastatic Melanoma: A Case Report
Notice bibliographique
Résumé
Immunotherapy has been an emerging treatment for metastatic melanoma and several other malignancies since 2015. Hematological immune-mediated adverse effects from immunotherapy are rarely reported but they can cause serious harm to patients. Antibodies such as ipilimumab, nivolumab and pembrolizumab target different immune checkpoints to promote T cell anti-tumour response. In particular, pembrolizumab is an antibody that inhibits programmed cell death receptor 1 (PD-1) to upregulate tumour suppression. In this report, we present a case of pembrolizumab-induced autoimmune hemolytic anemia and pancytopenia in a patient who was receiving pembrolizumab treatment for metastatic melanoma. This patient has a history of chronic lymphocytic leukemia and was diagnosed with metastatic melanoma in 2017. He developed symptomatic AIHA and pancytopenia after receiving 8 cycles of pembrolizumab in 2018. Pembrolizumab treatment was discontinued and he was treated with blood transfusion and prednisone. After 5 months of tapering prednisone treatment, his anemia and pancytopenia have improved toward successful recovery. Cancer patients already face an increased risk of immunosuppression with conventional chemotherapy. This case report also summarized all reported cases of PD-1 inhibitor hematological adverse effects in the treatment of oncological diseases. These incidents reflect the risk of immune-mediated hematologic adverse effects, which should be considered in all patients using immunotherapy.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».