An interprofessional pathway for patients initiating treatment with palbociclib: Optimization of toxicity monitoring.
Notice bibliographique
Résumé
268 Background: CDK 4/6 Inhibitors such as palbociclib in combination with hormonal therapy are considered the new standard of care for eligible advanced breast cancer patients with ER positive, HER2 negative disease. These agents have toxicities warranting standardized monitoring algorithms. Methods: An interprofessional pathway was created for palbociclib that identified key patient milestones and responsibilities of different care providers. Blood work (BW) parameters for dose interruption/reduction were specified, with a minimum absolute neutrophil count (ANC) of 1 as the threshold for continuing therapy. A retrospective chart audit was conducted to assess adherence to the biweekly BW and toxicity assessment pathway. Toxicity results were compared to the PALOMA-2 trial. Results: Consecutive patients were assessed between June 2016 and August 2017. Median follow up was 193 days. Twenty five patients before and 24 patients post algorithm implementation were included. Median age was 59, and 80% had >2 lines of prior systemic treatment. Dose reductions were observed in 57% of patients, 84% for neutropenia (Table 1). This is higher than documented in PALOMA-2. Instances where BW and clinic assessment were indicated and completed went from 43% to 69% and 32% to 67% respectively. Conclusions: Our study included heavily pre-treated patients and used an ANC treatment continuation threshold of 1 as opposed to 0.5; this might explain the increased incidence of neutropenia and dose modifications. This algorithm, with defined provider roles and patient milestones, appears feasible and effective in standardizing follow up and optimizing patient care.[Table: see text]
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 | 0,001 |
| 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 ».