Pharmacovigilance in Hospice/Palliative Care: Net Effect of Haloperidol for Nausea or Vomiting
Notice bibliographique
Résumé
BACKGROUND: Haloperidol is widely prescribed as an antiemetic in patients receiving palliative care, but there is limited evidence to support and refine its use. OBJECTIVE: To explore the immediate and short-term net clinical effects of haloperidol when treating nausea and/or vomiting in palliative care patients. DESIGN: A prospective, multicenter, consecutive case series. SETTING/SUBJECTS: Twenty-two sites, five countries: consultative, ambulatory, and inpatient services. MEASUREMENTS: When haloperidol was started in routine care as an antiemetic, data were collected at three time points: baseline; 48 hours (benefits); day seven (harms). Clinical effects were assessed using the National Cancer Institute's Common Terminology Criteria for Adverse Events (NCI CTCAE). RESULTS: Data were collected (May 2014-March 2016) from 150 patients: 61% male; 86% with cancer; mean age 72 (standard deviation 11) years and median Australian-modified Karnofsky Performance Scale 50 (range 10-90). At baseline, nausea was moderate (88; 62%) or severe (11; 8%); 145 patients reported vomiting, with a baseline NCI CTCAE vomiting score of 1.0. The median (range) dose of haloperidol was 1.5 mg/24 hours (0.5-5 mg/24 hours) given orally or parenterally. Five patients (3%) died before further data collection. At 48 hours, 114 patients (79%) had complete resolution of their nausea and vomiting, with greater benefit seen in the resolution of nausea than vomiting. At day seven, 37 (26%) patients had a total of 62 mild/moderate harms including constipation 25 (40%); dry mouth 13 (21%); and somnolence 12 (19%). CONCLUSIONS: Haloperidol as an antiemetic provided rapid net clinical benefit with low-grade, short-term harms.
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 | 0,002 | 0,005 |
| 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 ».