Immune Checkpoint Inhibitors-Associated Thrombosis: Incidence, Risk Factors and Management
Notice bibliographique
Résumé
Immune checkpoint inhibitors (ICIs) target programmed cell death (PD) 1 receptor and its ligand PD-L1, and have become an integral part of treatment regimens in many cancers including lung cancer, renal cell carcinoma, melanoma, and more. Cancer is associated with a significantly increased risk of venous thromboembolism compared to non-cancer patients, and the risks increase further with anticancer therapies including ICIs. Cancer-associated thrombosis can lead to hospitalizations, delayed cancer treatment, and mortality. While thrombosis was not reported as a major complication in initial clinical trials leading to the approval of ICIs, emerging evidence from post-marketing studies revealed concerning risks of thrombosis in patients receiving ICIs. However, results remained heterogenous given differences in study designs and populations. Recent studies also showed that C-reactive protein dynamics might be an easily accessible biomarker for thrombosis and disease response in this population. In addition, early findings indicated that a commonly used anticoagulant for cancer-associated thrombosis, factor Xa inhibitors, might have potential synergistic antitumor effects when combined with ICIs. Herein we will review the current literature on the incidence, risk factors, and management of thrombosis in patients with cancer receiving ICIs. We aim to provide valuable information for clinicians in managing these patients.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».