Immune-Related Adverse Events Associated with Atezolizumab: Insights from Real-World Pharmacovigilance Data
Notice bibliographique
Résumé
The advancement of immuno-oncology has brought about a significant shift in cancer treatment methods, with antibody-based immune checkpoint inhibitors like atezolizumab leading the way in this regard. However, the use of this checkpoint blockade can result in immune-related adverse events due to increased T-cell activity. The full spectrum of these events is not yet completely understood. In this study, the United States FDA Adverse Event Reporting System (FAERS) was utilized to investigate immune-related adverse events linked with the use of atezolizumab. The study identified forty-nine immune-related adverse events that affected multiple organ systems, including cardiovascular, respiratory, hematologic, hepatic, renal, gastrointestinal, neurologic, musculoskeletal, dermatologic, endocrine, and systemic disorders. The strongest signals for relative risk occurred for immune-mediated encephalitis (RR = 93.443), autoimmune myocarditis (RR = 56.641), immune-mediated hepatitis (RR = 49.062), immune-mediated nephritis (RR = 40.947), and autoimmune arthritis (RR = 39.382). Despite the morbidity associated with these adverse events, emerging evidence suggests potential associations with improved survival outcomes. Overall, this report sheds light on the widespread immune-related adverse events that cause significant morbidity and mortality in patients with cancer being treated with atezolizumab and brings attention to them for the clinicians treating 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».