<p>Neuro-ophthalmic Complications of Immune Checkpoint Inhibitors: A Systematic Review</p>
Notice bibliographique
Résumé
OBJECTIVE: Immune checkpoint inhibitors (ICIs) are novel cancer therapies that may be associated with immune-related adverse events (IRAEs) and come to the attention of neuro-ophthalmologists. This systematic review aims to synthesize the reported ICI-associated IRAEs relevant to neuro-ophthalmologists to help in the diagnosis and management of these conditions. METHODS: A systematic review of the literature indexed by MEDLINE, Embase, CENTRAL, and Web of Science databases was searched from inception to May 2020. Reporting followed the Preferred Reporting Items for Systematic Review and Meta-analysis (PRISMA) guidelines. Primary studies on ICIs and neuro-ophthalmic complications were included. Outcomes included number of cases and incidence of neuro-ophthalmic IRAEs. RESULTS: Neuro-ophthalmic complications of ICIs occurred in 0.46% of patients undergoing ICI and may affect the afferent and efferent visual systems. Afferent complications include optic neuritis (12.8%), neuroretinitis (0.9%), and giant cell arteritis (3.7%). Efferent complications include myasthenia gravis (MG) (45.0%), thyroid-like eye disease (11.9%), orbital myositis (13.8%), general myositis with ptosis (7.3%), internuclear ophthalmoplegia (0.9%), opsoclonus-myoclonus-ataxia syndrome (0.9%), and oculomotor nerve palsy (0.9%). Pembrolizumab was the most common causative agent for neuro-ophthalmic complications (32.1%). Mortality was highest for MG (19.8%). Most patients (79.8%) experienced improvement or complete resolution of neuro-ophthalmic symptoms due to cessation of ICI and immunosuppression with systemic corticosteroids. CONCLUSION: While incidence of neuro-ophthalmic IRAEs is low, clinicians involved in the care of cancer patients must be aware of their presentation to facilitate prompt recognition and management. Collaboration between oncology and neuro-ophthalmology teams is required to effectively manage patients and reduce morbidity and mortality.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».