Prognostic impact of sarcopenia on immune-related adverse events in malignancies received immune checkpoint inhibitors: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Whether sarcopenia has an impact on immune-related adverse events (irAEs) in patients with malignant neoplasms receiving immune checkpoint inhibitors (ICIs) is not consistent. This study aimed to evaluate the impact of sarcopenia on all grades of irAEs. Methods: PubMed, Embase, and Cochrane Library databases were systematically searched for related studies up to May 2021. Eligible studies were included according to the PICOS criteria. The risk of bias of the included studies was assessed according to the Newcastle-Ottawa Scale (NOS). The odds ratio (OR), corresponding to the 95% confidence interval (CI) of all grades of irAEs, was collected and analyzed, and a further subgroup analysis of serious adverse events was conducted. All analyses were conducted using the RevMan 5.4 software downloaded from the Cochrane website. The heterogeneity and sensitivity of the study were assessed. Results: Of the 135 references identified, only 8 studies were analyzed, including 519 patients comprising 250 with sarcopenia and 269 without sarcopenia. No obvious bias was observed in the included studies. An increased incidence of irAEs was not observed in patients with sarcopenia at pre-immunotherapy compared to those without sarcopenia. The OR and corresponding 95% CI were 0.97 and 0.62–1.53, respectively (P=0.90), with low heterogeneity (P=0.17, I2 =32%). Further, severe adverse events were analyzed in three studies, and the results showed that sarcopenia was not related to irAEs (P=0.97). Conclusions: Malignancies with sarcopenia at pre-immunotherapy may not increase the incidence of irAEs, and sarcopenia may not be a predictive factor for irAEs.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».