Summary of best evidence for prevention and management of chemotherapy-induced alopecia
Notice bibliographique
Résumé
Objective To evaluate and summarize the best evidence for prevention and management of chemotherapy-induced alopecia and to provide a reference for clinical practice. Methods In February 2018, literatures including Evidence-based guidelines, best practices, systematic reviews, original research (including randomized controlled trials, quasi-experimental studies and cohort studies) and expert consensus were retrieved from guideline websites such as National Guideline Clearinghouse (NCC) , Scottish Intercollegiate Guidelines Network (SIGN) , National Institute for Health and Clinical Excellence (NICE) , New Zealand Guidelines Group (NZGG) , Registered Nurses Association of Ontario (RNAO) and Medline, professional websites such as American Society of Clinical Oncology (ASCO) , National Comprehensive Cancer Network (NCCN) , American Association for Cancer Research (AACR) , Oncology Nursing Society (ONS) , European Society of Clinical Oncology (ESMO) and Clinical Oncology Society of Australian (COSA) as well as databases such as Australian JBI Evidence-based Healthcare Database, Cochrane Library, PubMed, CINAHL, EMBASE, CNKI and Wanfang Datebase. Two researchers evaluated the quality of various literatures, and extracted recommendations and research conclusions related to the prevention and management of chemotherapy-induced alopecia from the included literatures. Results Totally 13 literatures were included, including 3 evidence-based guidelines, 1 recommended practice, 3 expert consensus, 4 systematic reviews, and 2 original studies. A total of 32 evidences in 2 aspects on the prevention and management of chemotherapy-induced alopecia were summarized. Conclusions The evidence for scalp cooling is sufficient in the prevention of chemotherapy-induced alopecia, but higher quality evidence is still needed for preventive medication and alopecia management. Key words: Antineoplastic combined chemotherapy protocols; Chemotherapy; Alopecia; Prevention; Management; Evidence summary; Scalp cooling
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,017 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».