Long‐term immune changes in patients with relapsed/refractory chronic lymphocytic leukemia following treatment with venetoclax plus rituximab
Notice bibliographique
Résumé
Abstract Immune dysregulation is a hallmark of chronic lymphocytic leukemia (CLL). Anti‐CD20 antibodies (e.g., rituximab [R]) can be combined with venetoclax (Ven) to treat CLL. However, anti‐CD20 antibodies can increase hypogammaglobulinemia risk, while the effects of Ven on immune dysregulation are still uncertain. We report long‐term immune changes in VenR‐ and bendamustine‐R (BR)‐treated patients with relapsed/refractory CLL in the MURANO trial (NCT02005471). Patients were randomized to fixed‐duration VenR (2 years Ven; VenR for the first 6 months) or BR (6 months). Immune cell levels were evaluated at the end of combination treatment (EOCT), end of treatment (EOT; VenR arm only), and 12 and 24 months post‐EOCT. Overall, 130/194 VenR‐ and 134/195 BR‐treated patients completed treatment without progressive disease. In patients who completed VenR combination therapy, median immunoglobulin (Ig)G and IgM levels decreased from baseline to EOT ( p ≤ 0.01 and p ≤ 0.0001, respectively); by 24 months, post‐EOT IgG had returned to baseline level and IgM had increased from baseline ( p ≤ 0.001). Median IgA levels increased from baseline to 12 ( p ≤ 0.0001) and 24 months post‐EOT ( p ≤ 0.0001). In BR‐treated patients, changes in IgG, IgA, and IgM levels across the assessed time points were not significant, and by 24 months, post‐EOCT IgG, IgA, and IgM were above baseline levels. Grade ≥3 infection rates on treatment were low. Overall, immune recovery was observed with VenR and BR, with stabilization of Ig levels after treatment. Post‐treatment infection rates were generally low, making these very tolerable therapies for CLL.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».