MétaCan
Menu
Retour à la cohorte
Enregistrement W4416619436 · doi:10.5256/f1000research.25082.r75094

Referee report. For: Predicting response and toxicity to PD-1 inhibition using serum autoantibodies identified from immuno-mass spectrometry [version 1; peer review: 2 approved]

2020· article· en· W4416619436 sur OpenAlexfundno aff
Francesco Salvatore, Porcelli Tommaso

Notice bibliographique

RevueFaculty of 1000 Research Ltd · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensnon disponible
Organismes subventionnairesGenentechServierRegeneron PharmaceuticalsMersana TherapeuticsKaryopharm TherapeuticsPTC TherapeuticsPrincess Margaret Cancer FoundationSanofiGlaxoSmithKlineAmgenPfizerMorphoSysCelgeneSymphogenAstraZenecaEli Lilly and CompanyBristol-Myers Squibb
Mots-clésToxicityAutoantibodyMass spectrometryDrugImmune system

Résumé

récupéré en direct d'OpenAlex

Background: Validated biomarkers are needed to identify patients at increased risk of immune-related adverse events (irAEs) to immune checkpoint blockade (ICB). Antibodies directed against endogenous antigens can change after exposure to ICB. Methods: Patients with different solid tumors stratified into cohorts received pembrolizumab every 3 weeks in a Phase II trial (INSPIRE study). Blood samples were collected prior to first pembrolizumab exposure (baseline) and approximately 7 weeks (pre-cycle 3) into treatment. In a discovery analysis, autoantibody target immuno-mass spectrometry was performed in baseline and pre-cycle 3 pooled sera of 24 INSPIRE patients based on clinical benefit (CBR) and irAEs. Results: Thyroglobulin (Tg) and thyroid peroxidase (TPO) were identified as the candidate autoantibody targets. In the overall cohort of 78 patients, the frequency of CBR and irAEs from pembrolizumab was 31% and 24%, respectively. Patients with an anti-Tg titer increase ≥1.5x from baseline to pre-cycle 3 were more likely to have irAEs relative to patients without this increase in unadjusted, cohort adjusted, and multivariable models (OR=17.4, 95% CI 1.8–173.8, p=0.015). Similarly, patients with an anti-TPO titer ≥ 1.5x from baseline to pre-cycle 3 were more likely to have irAEs relative to patients without the increase in unadjusted and cohort adjusted (OR=6.1, 95% CI 1.1–32.7, p=0.035) models. Further, the cohort adjusted analysis showed patients with anti-Tg titer greater than median (10.0 IU/mL) at pre-cycle 3 were more likely to have irAEs (OR=4.7, 95% CI 1.2–17.8, p=0.024). Patients with pre-cycle 3 anti-TPO titers greater than median (10.0 IU/mL) had a significant difference in overall survival (23.8 vs 11.5 months; HR=1.8, 95% CI 1.0–3.2, p=0.05). Conclusions: Patient increase ≥1.5x of anti-Tg and anti-TPO titers from baseline to pre-cycle 3 were associated with irAEs from pembrolizumab, and patients with elevated pre-cycle 3 anti-TPO titers had an improvement in overall survival.

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)0,006
score de la tête « metaresearch » (Gemma)0,098
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,936

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,098
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0080,004
Charge utile insuffisante (le modèle a refusé de juger)0,3440,179

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 Opus0,084
Tête enseignante GPT0,397
Écart entre enseignants0,313 · 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.

Devis d'étudeSans objet
DomaineÉvaluation
GenreCommentaire

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
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueFaculty of 1000 Research LtdMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207