MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410803628 · doi:10.1200/jco.2025.43.16_suppl.e24085

Incidence and risk factors for venous thromboembolism after CAR T-cell therapy: A systematic review and meta-analysis.

2025· review· en· W4410803628 sur OpenAlexaff
Adrian Bailey, Shi Qi Zhou, Vicky Tagalakis

Notice bibliographique

RevueJournal of Clinical Oncology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensJewish General HospitalMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineVenous thromboembolismMeta-analysisIncidence (geometry)OncologySurgeryInternal medicineThrombosis

Résumé

récupéré en direct d'OpenAlex

e24085 Background: Chimeric antigen receptor (CAR) T-cell therapy has revolutionized hematologic cancer treatment; however, the incidence of venous thromboembolism (VTE) after infusion remains understudied. As indications for CAR T expand into solid tumors and more oncologists oversee care, recognizing VTE risk is crucial to mitigate morbidity and mortality in this growing population. Methods: This systematic review and meta-analysis was pre-registered on PROSPERO. Following PRISMA guidelines, we searched Medline, Embase, and CENTRAL (Cochrane Central Register of Controlled Trials) through January 1, 2024, for studies enrolling >20 adults treated with any FDA-approved CAR T-cell product (axicabtagene ciloleucel, tisagenlecleucel, brexucabtagene autoleucel, lisocabtagene maraleucel, idecabtagene vicleucel, or ciltacabtagene autoleucel) that reported VTE events (pulmonary embolism, deep vein thrombosis, cerebral vein thrombosis, hepatic vein thrombosis, splenic vein thrombosis, or portal vein thrombosis) post infusion. Studies not reporting VTE were excluded. All statistical analyses were performed in R software (version R version 4.4.0) using the DerSimonian-Laird random-effects model. Heterogeneity was assessed using the Cochrane Q-statistic and quantified via I 2 ; I 2 >50% indicated substantial heterogeneity. Publication bias was evaluated with funnel plots, Egger’s test, and trim-and-fill method. P<0.05 indicated significance in all analyses. Results: From 7,579 records, 24 studies (2,945 patients) met inclusion. The overall VTE proportion post-CAR T infusion was 6.16% (95% CI 4.58–8.24%), and 4.64% (95% CI 3.41–6.29%) were ≥ grade 3 based on the Common Terminology Criteria for Adverse Events (CTCAE). Most events occurred within 50 days post-infusion. In two studies with control arms, VTE risk did not differ between CAR T recipients and standard-of-care (risk ratio [RR]=0.47, 95% CI 0.08–2.70; P=0.39). Grade >2 cytokine release syndrome (CRS; RR=4.12, 95% CI 2.94–11.63), immune effector cell-associated neurotoxicity syndrome (ICANS; RR=3.43, 95% CI 1.55–11.61), and Eastern Cooperative Oncology Group (ECOG) performance status >1 (RR=4.43, 95% CI 1.91–10.29) significantly increased VTE risk. No major bleeding was observed among patients on therapeutic anticoagulation. Publication bias was detected (Egger’s test, P<0.001), and trim-and-fill analysis yielded an adjusted proportion of 7.82% (95% CI 5.83–10.43%). Conclusions: Approximately 6–8% of patients develop VTE after CAR T-cell therapy, with higher risk among those who have grade >2 CRS, ICANS, or ECOG >1. Given CAR T’s expanding role, these findings underscore the need for vigilant VTE assessment and management. Future investigations should evaluate prophylactic anticoagulation strategies to reduce VTE risk in this setting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0160,042
Bibliométrie0,0070,009
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,285
Tête enseignante GPT0,544
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetCAR-T cell therapy research→Travaux en français237 207→