Immunotherapy in oncology and the kidneys: a clinical review of the evaluation and management of kidney immune-related adverse events
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Immune checkpoint inhibitors (ICI) are now widely used in the treatment of many cancers, and currently represent the standard of care for multiple malignancies. These agents enhance the T cell immune response to target cancer tissues, and have demonstrated considerable benefits for cancer outcomes. However, despite these improved outcomes, there are important kidney immune-related adverse events (iRAEs) associated with ICI. Acute tubulo-interstitial nephritis remains the most frequent kidney iRAE, however glomerular lesions and electrolytes disturbances are increasingly being recognized and reported. In this review, we summarize clinical features and identify risk factors for kidney iRAEs, and discuss the current understanding of pathophysiologic mechanisms. We highlight the evidence basis for guideline-recommended management of ICI-related kidney injury as well as gaps in current knowledge. We advocate for judicious use of kidney biopsy to identify ICI-associated kidney injury, and early use of corticosteroid treatment where appropriate. Selected patients may also be candidates for re-challenge with ICI therapy after a kidney iRAE, in view of current data on recurrent rates of kidney injury. Risk of benefits of re-challenge must be considered on an individual considering patient preferences and prognosis. Lastly, we review current knowledge of ICI use in the setting of patients with end-stage kidney disease, including kidney transplant recipients and those receiving dialysis, which suggest that these patients should not be summarily excluded from the potential benefits of these cancer therapies.
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.
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 | 0,035 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle