Systematic Assessment of Risk of Fever in Solid Tumor Patients Treated With PD-1/PD-L1 Inhibitors: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Purpose Drug-induced fever is frequently reported in cancer patients treated with anti-programmed death-1 (PD-1) ligand 1 (PD-L1), and stoppage of the offending agent is the management of choice. However, given the complex management of cancer patients, this needs to be carefully studied. Therefore, we conducted a meta-analysis to estimate the risk of fever associated with anti-PD-1/PD-L1 in cancer patients. Method: From May 2010 to 2020, an electronic search was conducted through PubMed for relevant studies. All clinical trials reporting fever in cancer patients treated with PD-1/PD-L1 inhibitors were included, while other designs were excluded. A manual search was also conducted to search for relevant articles. Outcomes included the risk of pyrexia and febrile neutropenia in the overall population and based on the grade of fever (all-grade vs. grade 3-5). The Newcastle Ottawa Scale was used to assess the quality of included studies. Results: Thirty-one articles, involving 27 clinical trials and 15867 participants, were included. The increased risk of pyrexia for all-grade is only found when PD-1/PD-L1 plus CTLA-4 was compared to CTLA-4 (OR=2.48, 95%CI: [1.17, 5.23]). The risk of febrile neutropenia for all-grade fever was significantly lower in the PD-1/PD-L1 group compared to chemotherapy alone (OR=0.02, 95%CI: [0.01, 0.05]). A similar trend in the risk of febrile neutropenia was also found for grades 3-5 (OR=0.02, 95%CI: [0.01, 0.05]). Conclusion: The increased risk of pyrexia for all-grades could only be found when PD-1/PD-L1 plus CTLA-4 was compared with CTLA-4. Meanwhile, compared to chemotherapy, PD-1/PD-L1 inhibitors reduced the risk of febrile neutropenia.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,023 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».