Premedication with montelukast and rupatadine decreased rituximab infusion time, rate, severity of reactions and use of rescue medications
Notice bibliographique
Résumé
Rituximab-associated infusion reactions (IRs) are significant burdens on oncology patients, caregivers and healthcare providers. We evaluated whether montelukast and rupatadine improve rituximab delivery, decrease frequency/severity of IRs and the number of medications used to control IRs. Using a nonrandomized clinical study design, we assessed adult rituximab naïve patients with B-cell lymphoid malignancies from January 2017 to July 2019. Prior to the first rituximab infusion patients received one of the premedication regimens: (i) standard premedications, diphenhydramine hydrochloride and acetaminophen ("SP" group); (ii) SP + montelukast ("M" group); (iii) SP + rupatadine ("R" group); (iv) SP + rupatadine + montelukast Schedule 1 ("M + R Schedule 1" group); (v) SP + rupatadine + montelukast Schedule 2 ("M + R Schedule 2" group). A total of 223 patients with a median age of 69 years were assessed. Demographics and treatment groups were comparable among all five groups. Mean rituximab infusion time was 290 min in the SP group versus 273, 261, 243 and 236 min in the M, R, M + R Schedule 1 and M + R Schedule 2 groups, respectively. The incidence of rituximab IRs was 75% in the SP group versus 44, 41, 22 and 22% in the M, R, M + R Schedule 1 and M + R Schedule 2 groups, respectively. The median reaction grade was 2 in the SP group and 0 in all other groups. The median number of rescue medications was 3 in the SP group and 0 in all other groups. In conclusion, montelukast and rupatadine significantly improved rituximab delivery, decreased the rate and severity of IRs and reduced the need for rescue medications.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».