Practice patterns and outcomes in cancer patients developing immune checkpoint inhibitors–related AKI
Notice bibliographique
Résumé
BACKGROUND: Acute kidney injury (AKI) is a known immune-related adverse event of cancer immune checkpoint inhibitor (ICI) therapy. Further population-based data on AKI incidence, risk factors and practice patterns post-ICI therapy are needed. METHODS: We measured the cumulative incidence of AKI among advanced cancer patients while receiving ICI therapy and non-ICI systemic therapy in Ontario, Canada (2012-18). An increase in serum creatinine was used to define AKI and graded according to event severity. Time to event modeling was used to compare the risk of developing AKI, pre-disposing factors and survival outcomes. RESULTS: We studied 16 425 patients with advanced cancer receiving either ICI or non-ICI systemic therapy. Among 4380 patients receiving ICI therapy, the overall crude 4-year incidence of AKI (any stage) was 29% and severe AKI (stage ≥2) was 7%. Characteristics associated with a higher risk of AKI included male sex, genitourinary (versus other) malignancy, the presence of hypertension, diabetes or chronic kidney disease, and prescription of a non-steroidal anti-inflammatory drug. The risk of experiencing AKI was significantly lower among patients treated with ICI versus non-ICI systemic therapy [adjusted hazards ratio (aHR) 0.80, 95% confidence interval (CI) 0.74-0.86, P-value <.0001]. Among the 587 patients who experienced an AKI and were both alive and discontinued ICI therapy within 30 days, 54 (9%) were re-challenged with ICI in the following 6 months and 24 (44%) had a recurrent AKI event. Patients who were re-challenged with ICI therapy had improved overall survival as compared with patients that received other non-ICI systemic therapy (aHR 0.38, 95% CI 0.22-0.67, P-value <.001). CONCLUSION: Our real-world study demonstrates a modest risk for severe AKI among cancer patients receiving ICI therapy, lower than with exposure to other systemic cancer therapies. Among patients who developed AKI and stopped ICI therapy, re-challenge was uncommon but may warrant consideration for select patients.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».