A systematic review of re-induction chemotherapy for children with relapsed high-risk neuroblastoma
Notice bibliographique
Résumé
BACKGROUND: Despite aggressive multimodal therapy, >50% of children with high-risk neuroblastoma (HRNB) relapse. Survival after relapse is rare, and no consensus currently exists on the most effective therapy. OBJECTIVE: To conduct a systematic review of the literature on effectiveness of re-induction chemotherapy in children with relapsed HRNB. METHODS: Database searches were performed to identify studies looking at response to 1st line chemotherapy for children >12 months at diagnosis with first relapse of HRNB. Studies not reporting separate outcomes for HRNB patients or of refractory patients only were excluded. Two independent reviewers extracted the data and assessed study quality using a modified Newcastle-Ottawa tool. RESULTS: Nine studies were identified fitting the inclusion criteria. All except one were single arm cohorts, and two were retrospective database reviews from single centres. One was a multicentre randomised controlled trial. All used a version of the validated International Neuroblastoma Response Criteria with 8 recording best ever response and 1 at a specified time, and 5 had central review. The proportion of relapsed patients varied from 24 to 100% with 30-93% receiving upfront myeloablative therapy. The response rate varied from 6 to 64%; however, because of heterogeneity, studies were not directly comparable, and no single treatment emerged as the most effective re-induction therapy. CONCLUSIONS: To date, there is no clear superior re-induction therapy for 1st relapse of HRNB. Randomised controlled trials with separate arms for relapsed versus refractory disease are needed to determine optimal re-induction chemotherapy to act as a backbone for testing newer targeted agents.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,001 |
| 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 ».