MétaCan
Menu
Retour à la cohorte
Enregistrement W4409252004 · doi:10.1136/jitc-2024-011049

Consensus disease definitions for ophthalmic immune-related adverse events of immune checkpoint inhibitors

2025· article· en· W4409252004 sur OpenAlexaff
Eileen Chang, Renee Liu, Kiandokht Keyhanian, Katie Huynh, Meghan Berkenstock, M. Tariq Bhatti, John J. Chen, James Chodosh, Fiona Costello, Lauren A. Dalvin, Lindsey B. De Lott, Marc Dinkin, Robert A. Egan, Suzanne K. Freitag, Sapna Gangaputra, Lynn K. Gordon, Amanda C. Guidon, Douglas B. Johnson, Ninani Kombo, Michal Kramer, Andrew G. Lee, Michaël Levy, Anne-Marie Lobo-Chan, Dimosthenis Mantopoulos, George N. Papaliodis, Misha Pless, Julia Pimkina, Krista M. Rubin, H. Nida Sen, Afreen Shariff, Prem S. Subramanian, Edmund Tsui, Michael K. Yoon, Jon McDunn, Johnathan Rine, Kerry L. Reynolds, Lucia Sobrin, Bart K. Chwalisz

Notice bibliographique

RevueJournal for ImmunoTherapy of Cancer · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity of Calgary
Organismes subventionnairesProject Data Sphere
Mots-clésMedicineUveitisDelphi methodAdverse effectFamily medicineDiseaseUsabilityOphthalmologyInternal medicineArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Ophthalmic immune-related adverse events (Eye-irAEs) from immune checkpoint inhibitors can cause visual morbidity. The absence of standardized definitions for Eye-irAEs not only impedes the development of evidence-based treatments but also progress in translational research. The objective of this study was to develop consensus guidance for an approach to Eye-irAEs.Four ophthalmic physicians (uveitis specialists and neuro-ophthalmologists) drafted Eye-irAE consensus guidance and definitions, which were reviewed by the multidisciplinary Eye-irAE definition panel. The panel was divided into Group A (Neuro-ophthalmology/Orbital Disease) and Group B (Uveitis/Ocular Surface Disease). A modified Delphi consensus process was used, with two rounds of anonymous ratings by panelists and two meetings to discuss areas of controversy. For each disorder, five diagnostic components were evaluated: symptoms, examination findings, laboratory studies/imaging findings, diagnostic criteria, and treatment. Panelists rated content for usability, appropriateness and accuracy on 9-point scales in electronic surveys and provided free-text comments. Aggregated survey responses were incorporated into revised definitions. Consensus was based on numeric ratings using the RAND Corporation/ University of California Los Angeles Health Services Utilization Study (RAND/UCLA) Appropriateness Method with prespecified definitions.29 panelists from 25 academic medical centers voted on 114 rating scales (66 neuro-ophthalmic/orbital disease components, 48 uveitis/ocular surface disease components); of these, 86.3% (57/66) in Group A and 89.6% (43/48) in Group B reached first-round consensus. After revisions, all items except 6.1% (4/66) in Group A and 1.6% (1/60) in Group B received second-round consensus. Consensus definitions were achieved for 10/11 neuro-ophthalmic/orbital disorders: optic neuritis, inflammatory optic disc edema, arteritic ischemic optic neuropathy, optic perineuritis, orbital inflammation, thyroid eye disease-like orbital inflammation, cavernous sinus syndrome, oculomotor mononeuritis, trochlear mononeuritis, and abducens mononeuritis. Consensus definitions were achieved for 9/10 uveitis/ocular surface disorders: anterior uveitis, intermediate uveitis, posterior uveitis, panuveitis, Vogt-Koyanagi-Harada-like syndrome, sarcoidosis-like syndrome, acute macular neuroretinopathy, dry eye disease, and scleritis.These disease definitions establish a standardized classification for Eye-irAE, highlighting differences between irAEs and other inflammatory disorders. Importantly, diagnostic certainty does not always align directly with the need to treat as an Eye-irAE. Given the consensus from this representative panel group, it is anticipated the definitions will be used broadly across clinical and research settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,294
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,336
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal for ImmunoTherapy of CancerMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207