MétaCan
Menu
← Retour à la cohorte
Enregistrement W4297225789 · doi:10.14218/jctp.2022.00017

Immune Checkpoint Inhibitor-Induced Hepatic Injury: A Clinicopathologic Review

2022· review· en· W4297225789 sur OpenAlexaff
Mehran Taherian, Deyali Chatterjee, Huamin Wang

Notice bibliographique

RevueJournal of Clinical and Translational Pathology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensInstitute of Cancer Research
Organismes subventionnairesNational Cancer InstituteNational Institutes of Health
Mots-clésMedicineDifferential diagnosisImmune systemAutoantibodyLiver injuryMedical diagnosisGastrointestinal tractPathologyImmunologyInternal medicineAntibody

Résumé

récupéré en direct d'OpenAlex

Although immune checkpoint inhibitors (ICIs) have been a revolutionary milestone in immuno-oncology, immune-related adverse events (irAEs) may occur due to enhanced T cell activation and immune dysregulation. The irAEs can occur as early as within days to reportedly as late as up to 26 weeks. They may affect any organ system in the body, most commonly the luminal gastrointestinal tract, liver, skin, endocrine system, and lungs. The mechanisms of irAEs are complex and have not been fully understood. A breach of self-tolerance, which leads to autoantigen reactivity due to the enhanced activation and infiltration of T cells or the production of autoantibodies, and a non-specific autoinflammatory mechanism have been proposed. Limited data is available on the clinical and pathologic features of ICI-induced liver injury. This review presents an overview of the clinical and common histopathologic features and patterns of ICI-induced liver injury, the differential diagnoses, and the clinical management. Available data suggest that the histopathologic findings of ICI-induced hepatic injury are often non-specific and overlap with other challenging differential diagnoses. Therefore, a good knowledge of the histopathologic spectrum of ICI-induced hepatic injury and their differential diagnoses combined with the serological test results, clinical correlation, and communication with the clinical team is necessary to make an accurate and timely diagnosis.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,169
Tête enseignante GPT0,459
Écart entre enseignants0,291 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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