Incidence, predictors and significance of severe toxicity in patients with human immunodeficiency virus-associated Hodgkin lymphoma
Notice bibliographique
Résumé
The incidence of Hodgkin lymphoma (HL) is rising among individuals infected with human immunodeficiency virus (HIV). Standard treatment regimens include vinblastine, which is known to cause neurotoxicity (NT) and is metabolized by cytochrome 3A4 (CYP3A4). This is inhibited by protease inhibitors (PIs), possibly increasing vinblastine exposure. There is little information on how interactions affect clinical outcome. A retrospective review of 32 patients with HIV-HL receiving chemotherapy with curative intent was performed to identify the frequency and risk factors for NT, hematologic toxicity (HT) and lung toxicity (LT). Treatment was: ABVD (doxorubicin, bleomycin, vinblastine, dacarbazine) in 90%, MOPP/ABV (mechlorethamine, vincristine, procarbazine, prednisone/doxorubicin, bleomycin, vinblastine) in 10% and HAART (highly active anti-retroviral therapy) in 63%. Seventeen potential risk factors and 18 individual anti-retroviral (ARV) agents were examined, and only ritonavir or lopinavir use was found to have a significant association with toxicity. Grade 3-4 NT occurred in five patients, grade 3-4 HT in 17, infectious complications in 10 and bleomycin LT in three. Ritonavir and lopinavir use was associated with grade 3-4 NT (p = 0.03 and p = 0.01, respectively), and ritonavir with any HT (p = 0.04). Patients with HIV-HL experienced an increased incidence of NT and possibly HT. The use of ritonavir or lopinavir was associated with NT, suggesting a clinically significant interaction with vinblastine. Prospective pharmacokinetic studies to devise a rational dosing strategy for vinblastine in patients receiving ritonavir/lopinavir are warranted.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».