Critical Care Management of Toxicities Associated With Targeted Agents and Immunotherapies for Cancer
Notice bibliographique
Résumé
OBJECTIVES: To describe the most common serious adverse effects and organ toxicities associated with emerging therapies for cancer that may necessitate admission to the ICU. DATA SOURCES AND STUDY SELECTION: PubMed and Medline search of relevant articles in English on the management of adverse effects of immunotherapy for cancer. DATA EXTRACTION AND DATA SYNTHESIS: Targeted therapies including tyrosine kinase inhibitors, monoclonal antibodies, checkpoint inhibitors, and immune effector cell therapy have improved the outcome and quality of life of patients with cancer. However, severe and life-threatening side effects can occur. These toxicities include infusion or hypersensitivity reactions, cytokine release syndrome, pulmonary, cardiac, renal, hepatic, and neurologic toxicities, hemophagocytic lymphohistiocytosis, opportunistic infections, and endocrinopathies. Cytokine release syndrome is the most common serious toxicity after administration of monoclonal antibodies and immune effector cell therapies. Most of the adverse events from immunotherapy results from an exaggerated T-cell response directed against normal tissue, resulting in the generation of high levels of proinflammatory cytokines. Toxicities from targeted therapies are usually secondary to "on target toxicities." Management is largely supportive and may include discontinuation of the specific agent, corticosteroids, and other immune suppressing agents for severe (grade 3 or 4) immune-related adverse events like neurotoxicity and pneumonitis. CONCLUSIONS: The complexity of toxicities associated with modern targeted and immunotherapeutic agents for cancer require a multidisciplinary approach among ICU staff, oncologists, and organ specialists and adoption of standardized treatment protocols to ensure the best possible patient outcomes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».