Evaluation of Risk Factors Causing Ototoxicity in Childhood Cancers Located in the Head and Neck Region Treated With Platinum-based Chemotherapy
Notice bibliographique
Résumé
The aim of this study is to evaluate risk factors contributing to the development of ototoxicity in children who received platinum-based chemotherapy for malignancies located in the head and neck region. Eighty-four children who received platinum-based chemotherapy were included. Audiologic evaluations were performed before and after each chemotherapy session through pure tone audiometry, distortion product otoacoustic emissions, and auditory brainstem response tests. Ototoxicity was evaluated using Brock, Muenster, and Chang classifications. Factors such as cranial irradiation, cumulative doses of cisplatin, age, sex, cotreatment with aminoglycosides, schedule of platinum, and type of chemotherapeutic agent were analyzed. Using χ2 tests, all risk factors were matched with the 3 ototoxicity classifications, and multivariate analyses were conducted using statistically significant risk factors. In univariate analyses, being between 5 and 12 years of age, cranial irradiation and being treated with both cisplatin and carboplatin were found to be related to ototoxicity in all 3 classifications. Logistic regression modeling analyses with these 3 risk factors showed that being between 5 and 12 years of age and being treated with both cisplatin and carboplatin significantly increased the risk of ototoxicity.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».