MétaCan
Menu
Retour à la cohorte
Enregistrement W3019602056 · doi:10.1634/theoncologist.2020-0194

Successful Treatment of Cytokine Release Syndrome with IL-6 Blockade in a Patient Transitioning from Immune-Checkpoint to MEK/BRAF Inhibition: A Case Report and Review of Literature

2020· review· en· W3019602056 sur OpenAlexaff
Adam Amlani, Claire Barber, Aurore Fifi‐Mah, Jose Gerard Monzon

Notice bibliographique

RevueThe Oncologist · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineCytokine release syndromeBlockadeTocilizumabMelanomaImmunotherapyOncologyImmune checkpointImmune systemAdverse effectCytokineChimeric antigen receptorInternal medicineImmunologyCancer researchReceptorDisease

Résumé

récupéré en direct d'OpenAlex

There are now multiple targeted and immunotherapies available for the treatment of metastatic melanoma. Although these agents have dramatically improved the survival of patients, the appropriate sequencing and the safety during the transition between these drugs remains unknown. Recently two cases of cytokine release syndrome (CRS) following transition from immune-checkpoint inhibitors to BRAF and MEK inhibitors (BRAFi/MEKi) in patients with metastatic melanoma have been reported. CRS is a systemic cytokine-driven inflammatory reaction, previously well reported in chimeric antigen receptor T-cell therapies for hematologic malignancies. Here, we report a third case in which severe CRS resistant to glucocorticoid therapy following transition to a MEKi/BRAFi was treated successfully with tocilizumab, an interleukin-6 (IL-6) inhibitor. CRS should be on the differential diagnosis of immune-related adverse events of immunotherapies or targeted cancer therapies for metastatic melanoma, and clinicians in multiple disciplines should be aware of this rare complication and the potential benefits of IL-6 blockade.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,347
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe OncologistMême sujetCAR-T cell therapy researchTravaux en français237 207