2722. Risk of Infectious Adverse Events of Venetoclax Therapy in the Treatment of Hematologic Malignancies: A Systematic Review and Bayesian Meta-Analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
Abstract Background Venetoclax is a small molecule inhibitor of BCL-2 used in the treatment of acute myelogenous leukemia and chronic lymphocytic leukemia. Recent post-marketing studies on venetoclax suggested that it may predispose to opportunistic infections (OIs). We sought to systematically review the randomized controlled trial (RCT) evidence on venetoclax to assess whether it predisposes patients to infectious adverse events (IAEs) and neutropenia. Methods We systematically reviewed the RCTs comparing venetoclax therapy to active (i.e., a regimen with additional anti-cancer agents) or placebo controls in patients with hematologic malignancies, irrespective of treatment line. Data on IAEs and neutropenia were pooled by Bayesian meta-analysis and we computed the probability of any increased risk in infectious or neutropenic complications (Risk Ratio [RR] >1). Subgroup analyses were conducted based on treatment line, use of an inactive comparator, malignancy type, and prophylaxis strategy. Additionally, we pooled the incidence rates of fatal OIs between venetoclax and comparator arms and compared them by univariate meta-regression. Results Seven RCTs were included comprising 2067 patients. In venetoclax versus comparator regimens there was a 81.1% probability of any increase in IAEs (RR=1.14, 95% Confidence Interval [95%CI]=0.76-1.66). The probabilities of venetoclax increasing the risk of grade 3-5 and fatal IAEs were 86.6% (RR=1.16, 95%CI=0.86-1.55) and 81.1% (RR=1.40, 95%CI=0.66-2.94), respectively. There was a 97.2% likelihood that venetoclax increased the risk of grade 3-5 neutropenia (RR=1.44, 95%CI=1.01-2.10). Venetoclax treatment did not increase the incidence of fatal OIs (P=0.55). Conclusion Our results suggest that venetoclax likely increases the risk of high-grade neutropenia and IAEs overall, but not fatal OIs. However, our analyses did not identify any specific IAEs that would benefit from routine anti-infective prophylaxis or pre-emptive testing. Disclosures Michael Sebag, MD, PhD, Amgen: Advisor/Consultant|BMS: Advisor/Consultant|Focus Therapeutics: Advisor/Consultant|Gilead: Advisor/Consultant|Janssen: Advisor/Consultant|Novartis: Advisor/Consultant|Pfizer: Advisor/Consultant|Sanofi: Advisor/Consultant Matthew Cheng, MD, Amplyx Pharmaceuticals: Grant/Research Support|AstraZeneca: Advisor/Consultant|AstraZeneca: Honoraria|Cidara Therapeutics: Grant/Research Support|GEn1E lifesciences: Advisor/Consultant|GEn1E lifesciences: Stocks/Bonds|Kanvas Biosciences, Inc.: Board Member|Kanvas Biosciences, Inc.: Pending patents|Kanvas Biosciences, Inc.: Ownership Interest|Merck: Honoraria|nomic bio: Advisor/Consultant|nomic bio: Stocks/Bonds|Pfizer: Honoraria|Scynexis Inc.: Grant/Research Support|Takeda: Advisor/Consultant|Takeda: Honoraria
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 | 0,024 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,049 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».