MétaCan
Menu
← Retour à la cohorte
Enregistrement W6910116650 · doi:10.3899/jrheum.2025-0314.4

Immune Checkpoint Inhibitors in Patients with Pre-Existing Rheumatic Disease and the Impact of Immunosuppression: Data from the Canadian Research Group of Rheumatology in Immuno-Oncology (CanRIO)

2025· article· en· W6910116650 sur OpenAlexaffvenueabout

Notice bibliographique

RevueThe Journal of Rheumatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensMcMaster UniversityUniversity of TorontoWestern UniversityDalhousie UniversityMcGill UniversityUniversity of OttawaJewish General HospitalUniversity of AlbertaUniversity of CalgaryCentre Hospitalier de l’Université de MontréalArthritis Research Centre of CanadaMontreal Clinical Research InstituteUniversity of British ColumbiaSt Joseph's Health CentreResearch Canada
Organismes subventionnairesnon disponible
Mots-clésRheumatologyProspective cohort studyRetrospective cohort studyInflammatory arthritisArthritisAdverse effectCohort studyCohort

Résumé

récupéré en direct d'OpenAlex

Objectives Immune checkpoint inhibitors (ICI) have transformed oncology care, but their use is limited by immune-related adverse events (irAEs) and optimal use in patients with rheumatic pre-existing autoimmune disease (Rh-PAD) is unknown.[1] We report on ICI management, baseline immunosuppression, and irAE treatment strategies, using data from the CanRIO retrospective and prospective cohorts from 10 Canadian sites. Methods Patients with Rh-PAD recruited to the prospective cohort between Jan 2020 and April 2023 and retrospective cohort from Jan 2013 to June 2022 and who received at least 1 dose of CTLA-4, PD-1, or PDL-1 ICI therapy were included. Data on irAE treatment, baseline immunosuppression, and cancer outcomes are collected in a REDCap database as per standardized protocol. Results Eighty-three eligible patients (40 from prospective and 43 from retrospective cohort) were identified and stratified by baseline immunosuppression (IS), with 44 on baseline IS and 39 not on baseline IS. Baseline IS included corticosteroids, conventional DMARDs, and biologic DMARDs. Of those on baseline IS, 37 had inflammatory arthritis (48.65% active) and 7 had other rheumatic disease (57.14% active). Of those not on baseline IS, 26 had inflammatory arthritis (26.92% active) and 13 had other rheumatic disease (23.08% active). Patients on baseline IS were more likely to have a PAD flare (OR 4.19, P=0.003) and less likely to develop a new unrelated irAE (OR 0.36, P=0.027) compared to those not on baseline IS. In both cohorts, 4 patients experienced both a flare of their Rh-PAD and a de novo irAE. Those with de novo irAE generally responded to analgesics, corticosteroids or csDMARDs. There was a non-significant trend toward patients on baseline IS being more likely to require bDMARD compared to those not on baseline IS (P = 0.057). Grade 1-2 irAEs were more likely to be treated while continuing immunotherapy, while ICIs were either stopped or held in all patients with grade 3-5 events (Baseline IS P = 0.026; No Baseline IS P = 0.052; All Patients P < 0.001). Conclusion Our findings suggest those on baseline IS have higher rates of active PAD at start of ICI therapy. We found 1) Continuing baseline DMARDs may not protect from flares but may prevent de novo irAEs. If de-novo irAEs occur, bDMARD may be required for treatment 2) Continuing immunotherapy during irAE treatment can be considered for patients with low grade irAEs. Future analyses will explore the impact of baseline IS on cancer outcomes. [1.] Khalil DN. Nat Rev Clin 2016;13:273-90.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,309
Score d'incertitude au seuil0,622

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,348
Écart entre enseignants0,317 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rheumatology→Même sujetCancer Immunotherapy and Biomarkers→Travaux en français237 207→