Identification of a Patient Suitable for CAR-T Cell Therapy in the Outpatient Setting: A Vodcast and Case Example
Notice bibliographique
Résumé
Chimeric antigen receptor T cell (CAR-T) therapies targeting the CD19 antigen have been associated with high and durable response rates in patients with diffuse large B cell lymphoma (DLBCL). CAR-T cell therapies are commonly administered in the inpatient setting due to the average onset of cytokine release syndrome within the first 3 days post infusion, but there has been growing interest in delivering CAR-T cell therapies in the outpatient setting to overcome frequent hospital bed shortages and the high cost of inpatient care. Although this approach could improve access whilst catering to patient preference, it requires a multidisciplinary approach as well as careful patient selection. Herein, Dr. Foley and Dr. Kuruvilla discuss the case of a patient presenting with the ideal profile for CAR-T cell therapy referral whilst also determining the key attributes for eligibility from a clinician's perspective. Solutions for successful outpatient management include proper education, caregiver support, and early referral to ensure a timely infusion. In conclusion, outpatient administration of CAR-T cell therapy in patients with DLBCLs should be assessed on a case-by-case basis.A vodcast feature is available for this article.
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 | 0,000 | 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 ».