Association of antibiotic treatment with immune-related adverse events in patients with cancer receiving immunotherapy
Notice bibliographique
Résumé
Background To determine whether antibiotic treatment is a risk factor for immune-related adverse events (irAEs) across different patients with cancer receiving anti-PD-1/PD-L1 therapies. Methods The retrospective analysis includes clinical information from 767 patients with cancer treated at Hunan Cancer Hospital from 2017 to 2020. The pharmacovigilance data analysis includes individual cases of 38,705 safety reports from the US Food and Drug Administration Adverse Event Reporting System (FAERS) from 2014 to 2020, and 25,122 cases of safety reports from the World Health Organization database VigiBase from 2014 to 2019. All cases that received anti-PD-1/PD-L1 treatment were included. Multiomics data from patients across 25 cancer types were download from The Cancer Genome Atlas. Logistic regression and propensity score algorithm was employed to calculate OR of irAEs. Results Retrospective analysis of in-house patients showed that irAE potential risks are higher in all cancer (OR 2.12, 95% CI 1.38 to 3.22, false discovery rate (FDR) adjusted-p=1.93×10−3) and patients with lung cancer (OR 3.16, 95% CI 1.67 to 5.95, FDR adjusted-p=1.93×10−3) when using antibiotics. Potential risk of irAEs in patients with lung cancer with antibiotic treatment is significantly higher in FAERS (OR 1.39, 95% CI 1.21 to 1.59; FDR adjusted-p=1.62×10−5) and VigiBase (OR 1.32, 95% CI 1.09 to 1.59, FDR adjusted-p=0.05). Mechanistically, decreased microbial diversity caused by antibiotics use may increase the irAE risk through mediating the irAE-related factors. Conclusions Our study is the first to comprehensively demonstrate the associations of irAEs and antibiotic during anti-PD-1/PD-L1 therapy across a wide spectrum of cancers by analyzing multisource data. Administration of antibiotics should be carefully evaluated in patients with cancer treated by anti-PD-1/PD-L1 to avoid potentially increasing irAE risk.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».