Effects of serotonergic drugs on immune checkpoint inhibitor response: a pooled analysis of individual patient data from four Canadian Cancer Trials Group (CCTG) trials
Notice bibliographique
Résumé
Background Immune checkpoint inhibitors (ICIs) are used to treat various cancers. Serotonin receptors are expressed by immune cells. In preclinical models, serotonergic drugs affect T-cell cytokine production, proliferation and apoptosis. Interactions between clinical serotonergic drug use and dual ICI treatment remain unknown.Methods Individual patient data were pooled from 4 Canadian Cancer Trials Group (CCTG) trials of patients treated with dual ICI ± chemotherapy (n = 684). Serotonergic drug use was correlated with clinicopathologic characteristics, best overall response (BOR)/iBOR per RECIST 1.1/iRECIST, progression-free survival (PFS)/iPFS, overall survival (OS) and immune-related adverse events (irAEs) using Cochran – Mantel – Haenszel and log-rank tests.Results Eighty-three (12%) patients used serotonergic drugs at baseline and 118 (17%) at any time on trial. By multivariate analysis, serotonergic drug use at baseline was significantly associated with decreased iBOR (p = 0.04), but not PFS (p = 0.21), iPFS (p = 0.28), OS (p = 0.30) or incidence of grade 1/2 or 3/4 irAE (p = 0.85 and 0.99 respectively). Results were not significantly different with serotonergic drug use at any time on trial.Conclusion Use of serotonergic drugs did not impact PFS or OS in patients treated with dual ICI ± chemotherapy. This study supports the safe use of serotonergic drugs in the context of dual ICI therapy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».