Managing chemotherapy-induced nausea and vomiting in head and neck cancer patients receiving cisplatin chemotherapy with concurrent radiation
Notice bibliographique
Résumé
BACKGROUND: The purpose was to retrospectively examine the anti-emetic regimens prescribed for prophylaxis of chemotherapy-induced nausea and vomiting (CINV) for head and neck cancer patients receiving moderate- or high-emetogenic chemotherapy (MEC/HEC) along with concurrent radiation treatment at an outpatient ambulatory care center to determine the efficacy of anti-emetics prescribed. METHODS: Consecutive patients with head and neck cancers who initiated cisplatin chemotherapy with concurrent radiation treatment between January 2013 and June 2015 were investigated. Patients' anti-emetic use and occurrence of CINV was extracted from available clinical documentation. Patients were divided into two cohorts: CISPL-HIGH (n=161), and CISPL-WEEKLY (n=38). RESULTS: A total of 199 head and neck cancer patients (158 male, 41 female) were included in the analysis (mean age =59 years). In the CISPL-HIGH cohort, 33 males (26%) and 16 females (49%) experienced CINV. In the CISPL-WEEKLY cohort, four males (13%) and two females (25%) experienced CINV. Nausea occurred in 71 patients (62 HEC and 9 MEC). The odds of achieving complete response (no nausea or vomiting) were 3.5 (P<0.0016) times more likely for patients receiving MEC. Overall, the complete response rate for the prophylaxis in MEC and HEC was 61% and 31%, respectively. Anti-emetic changes occurred in 34% and 11% of patients receiving HEC and MEC, respectively. CONCLUSIONS: In the current study CINV control for patients receiving HEC was sub-optimal. Changes to our prophylactic antiemetic regimens may help improve patient outcomes.
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) | 0,001 | 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 ».