Cardiovascular Toxicities of Immune Therapies for Cancer – A Scientific Statement of the Heart Failure Association (HFA) of the ESC and the ESC Council of Cardio-Oncology
Notice bibliographique
Résumé
The advent of immunological therapies has revolutionized the treatment of solid and haematological cancers over the last decade. Licensed therapies which activate the immune system to target cancer cells can be broadly divided into two classes. The first class are antibodies that inhibit immune checkpoint signalling, known as immune checkpoint inhibitors (ICIs). The second class are cell-based immune therapies including chimeric antigen receptor T lymphocyte (CAR-T) cell therapies, natural killer (NK) cell therapies, and tumour infiltrating lymphocyte (TIL) therapies. The clinical efficacy of all these treatments generally outweighs the risks, but there is a high rate of immune-related adverse events (irAEs), which are often unpredictable in timing with clinical sequalae ranging from mild (e.g. rash) to severe or even fatal (e.g. myocarditis, cytokine release syndrome) and reversible to permanent (e.g. endocrinopathies).The mechanisms underpinning irAE pathology vary across different irAE complications and syndromes, reflecting the broad clinical phenotypes observed and the variability of different individual immune responses, and are poorly understood overall. Immune-related cardiovascular toxicities have emerged, and our understanding has evolved from focussing initially on rare but fatal ICI-related myocarditis with cardiogenic shock to more common complications including less severe ICI-related myocarditis, pericarditis, arrhythmias, including conduction system disease and heart block, non-inflammatory heart failure, takotsubo syndrome and coronary artery disease. In this scientific statement on the cardiovascular toxicities of immune therapies for cancer, we summarize the pathophysiology, epidemiology, diagnosis, and management of ICI, CAR-T, NK, and TIL therapies. We also highlight gaps in the literature and where future research should focus.
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 | 0,013 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,009 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».