A risk stratification model for toxicities in phase 1 immunotherapy trials
Notice bibliographique
Résumé
INTRODUCTION: Despite the increased number of novel immunotherapy (IO) agents under current development, their toxicity profile remains to be fully elucidated. METHODS: An IO risk stratification model was developed based on 5 different variables: treatment-related deaths; rate of grade ≥3 treatment-related adverse events or treatment-emergent adverse events; grade ≥2 encephalopathy or central nervous system toxicity; grade ≥2 cytokine release syndrome; and the number and type of dose-limiting toxicity. Phase 1 IO trials published from January 2014 to December 2020 were reviewed and categorised based on our risk stratification model into three categories: low-, intermediate- and high-risk. Clinical trial variables were associated with the high-risk category. To review the quality of reporting across phase 1 IO trials, a subset of studies was further examined by the use of the ASCO/SITC Trial Reporting in Immuno-Oncology (TRIO) standards. RESULTS: Different IO compounds demonstrated diverse risk profiles. In multivariable analysis, combination versus IO single agent treatment, and testing IO agents different from anti-programmed death-1/programmed death ligand-1 (anti-PD1/L1), anti-cytotoxic t-lymphocyte antigen-4 (anti-CTLA4) antibodies and anti-cancer vaccines were associated with a higher toxicity risk. None of the studies examined in our dataset reported all the items included in the TRIO standards. CONCLUSIONS: Our results have important implications for future clinical trial design. Additionally, standards for reporting are urgently needed.
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 | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».