Immune-mediated enterocolitis is associated with immune checkpoint inhibitors: A pharmacovigilance study from the FDA Adverse Event Reporting System (FAERS) database
Notice bibliographique
Résumé
PURPOSE: Immune checkpoint inhibitors (ICIs) have revolutionized cancer treatment by demonstrating significant efficacy across multiple malignancies. However, by interfering with immune regulatory pathways, they can lead to immune-related adverse events (irAEs), including immune-mediated enterocolitis. This study aimed to evaluate the real-world risk of immune-mediated enterocolitis across different ICIs using data from the FDA's Adverse Event Reporting System (FAERS). METHODS: A disproportionality analysis was conducted using FAERS data to assess the association between different ICIs and the risk of immune-mediated enterocolitis. The risk was analyzed across three ICI classes: cytotoxic T-lymphocyte-associated protein 4 (CTLA-4) inhibitors, programmed death-1 (PD-1) inhibitors, and programmed death-ligand 1 (PD-L1) inhibitors. RESULTS: The analysis revealed significant variability in the risk of immune-mediated enterocolitis among ICIs. CTLA-4 inhibitors, particularly tremelimumab and ipilimumab, exhibited the strongest association with enterocolitis. Among PD-1 inhibitors, nivolumab demonstrated the highest risk, while PD-L1 inhibitors, including durvalumab and atezolizumab, had a lower but still notable association. CONCLUSIONS: These findings underscore the need for vigilant monitoring and early intervention in patients receiving ICIs. The differential risk profile among ICIs suggests that physicians should consider enterocolitis risk when selecting and managing immunotherapy regimens.
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 | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».