Abstract 14372: Case Series: Non-Lipid Plaque Formation as the Mechanism for Ponatinib-Induced Vascular Toxicity Using Operator-Assisted Virtual Histology Optical Coherence Tomography
Notice bibliographique
Résumé
Introduction: The third-generation tyrosine kinase inhibitor ponatinib approved for treating chronic myeloid leukemia (CML) rendered drug resistant with a threonine-315-isoleucine (T315I) mutation is associated with increased incidence of vascular adverse events (VAEs). This case series sought to elucidate the mechanism of these VAEs. Methods: Two patients with CML and two patients with Philadelphia chromosome positive acute lymphocytic leukemia (Ph+ ALL) on at least one year of ponatinib therapy were imaged with optical coherence tomography (OCT) after presenting with angina. An additional four patients from an institutional OCT database were matched across clinical parameters (age, sex, diabetes, prior coronary artery disease (CAD) history, prior congestive heart failure (CHF) history, hypertension, and family history of CAD) to serve as controls. Plaque composition was assessed using operator-assisted virtual histology OCT (vOCT). Results: Clinical presentations included 2 cases of NSTEMI, 1 case of unstable angina, and 1 case of stable angina pectoris among the 4 ponatinib patients. Atherosclerosis was composed primarily of calcium and fibrous tissue with minimal lipid presence (0 ± 0°) compared to the matched controls. The matched controls had a mean non-zero lipid content of 48.43 ± 18.36°, ( P < 0.05) (Table 1). Three of the four patients had cardiovascular risk factors. Conclusions: Ponatinib causes VAEs through non-lipid plaque formation driving a symptomatology consistent with an oxygen supply-demand mismatch. This mechanism is distinct from traditional pathways of excess lipid and plaque instability causing coronary artery disease and merits further investigation.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».