Association of Antibiotics and Other Drugs with Clinical Outcomes in Metastatic Melanoma Patients Treated with Immunotherapy
Notice bibliographique
Résumé
Immune checkpoint inhibitors (ICIs) targeting the programmed cell death protein-1 (PD-1) and programmed cell death ligand-1 (PD-L1) have improved survival in many advanced cancers including advanced melanoma, renal cell, urothelial, and non-small-cell lung cancers. However, not all patients respond, and immune-related adverse events (irAEs) are common. Commensal gut bacteria may serve as an immunoregulatory link-mediating ICI response and toxicity. Recent studies have shown that a lack of bacterial diversity, known as gut dysbiosis, can have an adverse impact on patients' response to ICIs and predispose to the development of irAEs. Data were collected from 167 patients with metastatic melanoma who received antibiotics within 30 days prior to and/or after initiation of ICI and patients who received NSAIDs, statins, steroids, or proton-pump inhibitors (PPI) within 30 days prior to ICI initiation. The primary outcome was time-to-discontinuation (TTD) of ICI therapy, measured from the date of ICI initiation to the last treatment date. The secondary outcome of interest was toxicity, with incidence of irAEs graded as per the Common Terminology Criteria for Adverse Events (CTCAE), version 5.0. Here, we demonstrate that individuals who received antibiotics had a significantly shorter time-to-discontinuation (TTD) of the ICI therapy as opposed those who were not administered antibiotics. Consistent with results from previous research, we propose that antibiotics have a negative effect on a patient's response to ICI therapy, most likely due to the result of gut dysbiosis, and should be critically assessed in terms of their use in patients undergoing ICI 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 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 ».