MétaCan
Menu
Retour à la cohorte
Enregistrement W2057039211 · doi:10.3747/co.22.2430

Management of egfr tki—Induced Dermatologic Adverse Events

2015· review· en· W2057039211 sur OpenAlexaffvenue
Barbara Melosky, Natasha B. Leighl, J. Rothenstein, Randeep Sangha, David J. Stewart, Kim Papp

Notice bibliographique

RevueCurrent Oncology · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensProbity Medical ResearchLakeridge HealthBC Cancer AgencyPrincess Margaret Cancer CentreOttawa HospitalUniversity Health Network
Organismes subventionnairesJohnson and JohnsonJanssen BiotechAstellas PharmaAstraZenecaCelgeneAmgenPfizerEli Lilly and Company
Mots-clésMedicineParonychiaAdverse effectDermatologyGefitinibRashErlotinibEpidermal growth factor receptorEGFR inhibitorsLung cancerClinical trialChemotherapyCancerOncologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Targeting the epidermal growth factor receptor (egfr) pathway has become standard practice for the treatment of advanced non-small-cell lung cancer. Compared with chemotherapy, egfr tyrosine kinase inhibitors (tkis) have been associated with improved efficacy in patients with an EGFR mutation. Together with the increase in efficacy comes an adverse event (ae) profile different from that of chemotherapy. That profile includes three of the most commonly occurring dermatologic aes: acneiform rash, stomatitis, and paronychia. Currently, no randomized clinical trials have evaluated the treatments for the dermatologic aes that patients experience when taking egfr tkis. Based on the expert opinion of the authors, some basic strategies have been developed to manage those key dermatologic aes. Those strategies have the potential to improve patient quality of life and compliance and to prevent inappropriate dose reductions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,918

Scores Codex et Gemma par catégorie

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

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 Opus0,265
Tête enseignante GPT0,549
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetLung Cancer Treatments and MutationsTravaux en français237 207