Evaluation of a Multidisciplinary Immunotherapy Toxicity Monitoring Program for Patients Receiving Ipilimumab for Metastatic Melanoma
Notice bibliographique
Résumé
PURPOSE: Ipilimumab is an effective treatment for melanoma; however, toxicity rates remain high. The objective of this study was to describe the rates of adverse events (AEs), emergency room (ER) visits, hospitalizations, and nursing resource utilization for patients enrolled in a nurse-led telephone toxicity monitoring program. METHODS: Patients received weekly telephone calls from nursing to review a toxicity checklist during ipilimumab treatment and for 8 weeks after completion. To evaluate this program, a single-center retrospective review was performed for patients treated between July 2012 and September 2017 with single agent ipilimumab for advanced melanoma. Data were collected up to 3 months post-ipilimumab. RESULTS: A total of 67 patients were included, with a mean (standard deviation) age of 61 (14.6) years. Thirty-three (49%) patients received four doses of ipilimumab, and 17 (25%) had one dose delay. The median (IQR) of any AEs reported per patient was 11 (8-17). There were 44 (66%) patients with AEs deemed to be definitely or probably related to ipilimumab, and of those, 3 (4%) experienced a grade 3 AE, whereas 4 (6%) experienced grade 4 AEs. Twenty patients (30%) had ER visits, and 31 (46%) were hospitalized during follow-up (9% ER visits and 6% hospitalizations were related to drug toxicity). CONCLUSION: Ipilimumab is associated with high rates of toxicity; however, a proactive nurse-led monitoring program was feasible and patients had low rates of grade 3-4 toxicity. Hospitalization rates and ER visits remained high; however, the minority of those were related to drug toxicity.
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 | 0,003 | 0,004 |
| 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 ».