Clinical impact of COVID-19 on patients with cancer treated with immune checkpoint inhibition
Notice bibliographique
Résumé
BACKGROUND: Patients with cancer who are infected with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) are more likely to develop severe illness and die compared with those without cancer. The impact of immune checkpoint inhibition (ICI) on the severity of COVID-19 illness is unknown. The aim of this study was to investigate whether ICI confers an additional risk for severe COVID-19 in patients with cancer. METHODS: We analyzed data from 110 patients with laboratory-confirmed SARS-CoV-2 while on treatment with ICI without chemotherapy in 19 hospitals in North America, Europe and Australia. The primary objective was to describe the clinical course and to identify factors associated with hospital and intensive care (ICU) admission and mortality. FINDINGS: Thirty-five (32%) patients were admitted to hospital and 18 (16%) died. All patients who died had advanced cancer, and only four were admitted to ICU. COVID-19 was the primary cause of death in 8 (7%) patients. Factors independently associated with an increased risk for hospital admission were ECOG ≥2 (OR 39.25, 95% CI 4.17 to 369.2, p=0.0013), treatment with combination ICI (OR 5.68, 95% CI 1.58 to 20.36, p=0.0273) and presence of COVID-19 symptoms (OR 5.30, 95% CI 1.57 to 17.89, p=0.0073). Seventy-six (73%) patients interrupted ICI due to SARS-CoV-2 infection, 43 (57%) of whom had resumed at data cut-off. INTERPRETATION: COVID-19-related mortality in the ICI-treated population does not appear to be higher than previously published mortality rates for patients with cancer. Inpatient mortality of patients with cancer treated with ICI was high in comparison with previously reported rates for hospitalized patients with cancer and was due to COVID-19 in almost half of the cases. We identified factors associated with adverse outcomes in ICI-treated patients with COVID-19.
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) | 0,001 | 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) | 0,001 | 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 ».