Prevention and management of chemotherapy-induced nausea and vomiting
Notice bibliographique
Résumé
Nausea and vomiting are among the most frequently experienced toxic side-effects associated with chemotherapy. Although nausea and vomiting can result from surgery or radiotherapy, chemotherapy-induced nausea and vomiting (CINV) is potentially the most severe and most distressing. Estimates regarding the incidence of CINV vary depending on the treatment administered and individual patient characteristics.The impact of CINV on quality of life (QoL) and daily activities is considerable. Pharmacological treatments are considered routine for CINV. Clinical guidelines now recommend that patients receiving moderate emetic chemotherapy (MEC) regimens be preferentially treated with palonosetron, the 5-hydroxytryptamine type 3 (5-HT3) receptor antagonist, in combination with dexamethasone. In addition, it has shown that single-dose fosaprepitant is equivalent to the standard 3-day aprepitant regimen (the neurokinin 1 (NK1) receptor antagonist). Despite these advances in antiemetic management, approximately 50% of patients receiving chemotherapy still experience nausea and/or vomiting. Further improvements are still desirable, particularly in the prevention and treatment of delayed CINV. Non-pharmacological interventions can be possible adjuncts to standard anti-emetic therapy. Using new technologies to collect patient-reported outcomes may improve the accuracy of assessment, provide a better picture of the patient's experience of these symptoms, and provide a means to simultaneously monitor symptoms, educate patients, and collect longitudinal data.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».