MétaCan
Menu
← Retour à la cohorte
Enregistrement W4286295746 · doi:10.1200/jco.2022.40.16_suppl.2584

Factors associated with acute kidney injury among patients with cancer treated with immune checkpoint inhibitor therapy: A population-based study.

2022· article· en· W4286295746 sur OpenAlexaffabout
Phillip Blanchette, Lucie Richard, Salimah Z. Shariff, Jacques Raphael, Craig C. Earle, Amit X. Garg, Abhijat Kitchlu

Notice bibliographique

RevueJournal of Clinical Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity Health NetworkUniversity of TorontoLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineAcute kidney injuryInternal medicineInterquartile rangeKidney diseaseNephrologyCancerRenal replacement therapyDialysisPopulationAdverse effectCreatinineOncology

Résumé

récupéré en direct d'OpenAlex

2584 Background: Cancer immune checkpoint inhibitor (ICI) therapy may be associated with kidney immune-related adverse events (IRAEs) and other causes of acute kidney injury (AKI). In clinical trials, the frequency of AKI events was uncommon, however, further real-world study is warranted. Methods: We evaluated the proportion of AKI events among patients with advanced cancer (bladder, head and neck, lung, kidney and malignant melanoma) treated with ICI therapy in Ontario, Canada from 2012 - 2018. AKI was defined by a rise in the concentration of serum creatinine as per Kidney Disease: Improving Global Outcomes (KDIGO) criteria. A multivariable regression model was used to identify predictors of AKI while accounting for the competing risk of death. Results: A total of 4,380 patients received ICI therapy. In follow-up, 1,283 (29%) had recorded AKI event (any stage AKI) and 289 (7%) had a severe AKI event (≥ stage 2). Median time to AKI was 6 months (Interquartile Range 2-16 months) and ≤ 1 % of patients received dialysis therapy. Within 30 days of any observed AKI event, 853 (58%) discontinued ICI therapy, 372 (29%) were hospitalized and 266 (21%) died. Mortality was significantly higher among patients who experiencing a severe AKI event (≥ stage 2) as compared to patients with a less severe AKI event (stage 1) or no observed AKI event. Among patients alive at 30 days following an AKI event, 14% received an outpatient corticosteroid or immunosuppressive therapy prescription, 7% had a visit with a nephrologist. Characteristics associated with a higher risk of AKI included female sex, bladder or kidney cancer (reference malignant melanoma), history of hypertension or diabetes, higher Charlson comorbidity score, a baseline estimated glomerular filtration rate less than 30 mL/min/1.73 m2, or outpatient prescription for either a proton pump inhibitor or non-steroidal anti-inflammatory drug. Among patients with an AKI event and treatment discontinuation, re-challenge of ICI therapy was infrequent (16%) with a significant risk of a recurrent AKI event (57%). Conclusions: In a population-based study among patients with cancer receiving ICI therapy, the rate of AKI was common (29%) but severe AKI was less frequent (7%). Rates of ICI discontinuation, hospitalization and death are substantial following an AKI event. Kidney function should be monitored carefully among patients undergoing ICI therapy who have common risk factors for developing renal disease. Nephrology consultation may be optimized among patients who develop a severe AKI event, especially among individuals who are considered for ICI therapy re-challenge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,357

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,389
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetCancer Immunotherapy and Biomarkers→Travaux en français237 207→