Real-World Insights into CAR T-Cell Therapy: Efficacy and Safety of Kymriah in B-ALL and NHL
Notice bibliographique
Résumé
Background: Chimeric Antigen Receptor (CAR) T-cell therapy has emerged as a revolutionary treatment for certain cancers, particularly B-cell malignancies. This study focused on the real-world outcomes of Kymriah (tisagenlecleucel), a CAR T-cell therapy targeting CD19, by analyzing data from the Cellular Immunotherapy Data Resource (CIDR). A total of 410 patients with relapsed or refractory B-cell Acute Lymphoblastic Leukemia (B-ALL) and Non-Hodgkin Lymphoma (NHL) were included. Methods: Data were collected from 73 treatment centers across the U.S. and Canada. Key outcomes measured included Cytokine Release Syndrome (CRS), Immune-effector Cell-Associated Neurotoxicity Syndrome (ICANS), overall response rate (ORR), duration of response (DOR), and survival rates. Statistical analyses were performed using descriptive statistics, Kaplan-Meier methods, and logistic regression. Results: CRS was observed in 54.3% of B-ALL patients, with severe cases in 16.1%. The complete remission rate in B-ALL patients was 85.5%, with a 12-month overall survival rate of 76.4%. In NHL patients, the overall response rate was 62.4%, with 38.2% achieving complete remission. Severe CRS and ICANS were less frequent in NHL patients. Conclusion: Kymriah demonstrated high efficacy in both B-ALL and NHL, with manageable side effects. However, ongoing monitoring is essential to optimize outcomes and reduce adverse events. This study provides valuable real-world data, contributing to the growing understanding of CAR T-cell therapy’s potential in clinical practice.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».