Real‐world, population‐based cohort study of toxicity and resource utilization of second‐line ipilimumab for metastatic melanoma in Ontario, Canada
Notice bibliographique
Résumé
Second-line ipilimumab has been publicly funded in Ontario for metastatic melanoma (MM) since September 2012. We examined real-world toxicity of second-line ipilimumab compared to standard second-line treatments prior to funding. MM patients who received systemic treatment from April 2005 to March 2015 were included. Patients receiving second-line ipilimumab after September 2012 were considered as cases, and those who received second-line treatment prior to the funding date were included as historical controls. Outcomes assessed include treatment-related mortality, any-cause hospital visits, ipilimumab-related hospital visits and specialist visits (eg, endocrinologists, ophthalmologists, gastroenterologists, rheumatologists and respirologists), which were captured from up to 30 and/or 90 days after end of second-line treatment. Inverse probability of treatment weighting was used to adjust for baseline differences between groups. Odds ratios (ORs) from logistic regressions and rate ratios (RRs) from rate regressions were used to assess differences between groups. We identified 329 MM patients who received second-line treatments (ipilimumab: 189; controls: 140). Ipilimumab was associated greater any-cause (60.1% vs 45.7%; OR = 1.81; P value = .019) and ipilimumab-related (47.2% vs 31.9%; OR = 1.91; P value = .011) hospital visits. Adjusting for different follow-up days, ipilimumab was associated with higher rates of all-cause (RR = 1.56 [95%CI: 1.12-2.16]), and ipilimumab-related (RR = 2.18 [95% CI: 1.45-3.27]) hospital visits. Patients receiving ipilimumab were more likely to visit specialist involved in immunotherapy toxicity management (23.5% vs 13.7%; P value = .04). Compared to historical second-line treatments, second-line ipilimumab was associated with more health service utilization (specifically hospital visits and specialist visits), suggestive of potentially increased toxicity in the real world.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».