The association between immune checkpoint or BRAF/MEK inhibitor therapy and uveitis in patients with advanced cutaneous melanoma
Notice bibliographique
Résumé
BACKGROUND: Treatment with immune checkpoint and BRAF/MEK inhibitors has significantly improved the survival of patients with advanced cutaneous melanoma and other metastatic malignancies. Therapy-related uveitis is a rare ocular adverse event, which may potentially lead to legal blindness. The epidemiology of treatment-related uveitis is currently insufficiently known. PATIENTS AND METHODS: In this cohort study, we asked whether exposure to either immune checkpoint or BRAF/MEK inhibitors was associated with a higher risk of developing uveitis compared with the general population. Based on a Bayesian framework, we estimated the probability of developing uveitis with a right-censored, exponential survival model using data from the Zurich Melanoma Registry. The registry included all adult patients treated for advanced cutaneous melanoma between January 2008 and December 2018 at the University Hospital of Zurich, Switzerland. RESULTS: In total, 304 patients (64%) were treated with immune checkpoint and 186 patients (38%) with BRAF/MEK inhibitors. Median follow-up time was 74 days (interquartile range: 57-233 days). Eleven patients developed uveitis and 30 patients died. We estimated the probability of developing uveitis per year in the general population as 0.05% (95% credibility interval [CrI]: 0.02%-0.1%). Corresponding posterior probabilities of treatment-related uveitis were 3.48% (95% CrI: 0.93%-7.49%) and 5.04% (95% CrI: 2.07%-9.19%) for immune checkpoint or BRAF/MEK inhibitors (posterior probability for difference: 76%). CONCLUSIONS: Immune checkpoint and particularly BRAF/MEK inhibitor therapies are associated with an increase in the risk of developing uveitis. Treatment-related uveitis is not associated with systemic adverse events of immune checkpoint or BRAF/MEK inhibitors.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».