Bilateral facial weakness with paraesthesia variant of Guillain-Barré syndrome following Vaxzevria COVID-19 vaccine
Notice bibliographique
Résumé
Objective In this study, we determined whether Helicobacter pylori (H. pylori) infection dampens the efficacy of cancer immunotherapies. Design Using mouse models, we evaluated whether immune checkpoint inhibitors or vaccine-based immunotherapies are effective in reducing tumour volumes of H. pylori-infected mice. In humans, we evaluated the correlation between H. pylori seropositivity and the efficacy of the programmed cell death protein 1 (PD-1) blockade therapy in patients with non-small-cell lung cancer (NSCLC). Results In mice engrafted with MC38 colon adenocarcinoma or B16-OVA melanoma cells, the tumour volumes of non-infected mice undergoing anticytotoxic T-lymphocyte-associated protein 4 and/or programmed death ligand 1 or anti-cancer vaccine treatments were significantly smaller than those of infected mice. We observed a decreased number and activation status of tumour-specific CD8+ T cells in the tumours of infected mice treated with cancer immunotherapies independent of the gut microbiome composition. Additionally, by performing an in vitro co-culture assay, we observed that dendritic cells of infected mice promote lower tumour-specific CD8+ T cell proliferation. We performed retrospective human clinical studies in two independent cohorts. In the Dijon cohort, H. pylori seropositivity was found to be associated with a decreased NSCLC patient survival on anti-PD-1 therapy. The survival median for H. pylori seropositive patients was 6.7 months compared with 15.4 months for seronegative patients (p=0.001). Additionally, in the Montreal cohort, H. pylori seropositivity was found to be associated with an apparent decrease of NSCLC patient progression-free survival on anti-PD-1 therapy. Conclusion Our study unveils for the first time that the stomach microbiota affects the response to cancer immunotherapies and that H. pylori serology would be a powerful tool to personalize cancer immunotherapy treatment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| 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 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 ».