Integration of Pediatric Hodgkin Lymphoma Treatment and Late Effects Guidelines: Seeing the Forest Beyond the Trees
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The successful integration of clinical trials into pediatric oncology has led to steady improvement in the 5-year survival rate for children diagnosed with Hodgkin lymphoma (HL). It is estimated that >95% of children newly diagnosed with HL will become long-term survivors. Despite these successes, survival can come at a cost. Historically, long-term survivors of HL have a high risk of late-occurring adverse health effects and increased risk of nonrelapse mortality compared with the general population. The recognition of late-occurring events paired with the decades of life remaining for children cured of HL have made paramount the need to develop effective treatments that minimize the risk of late toxicity. Toward this goal, multiple, dose-intense, risk- and response-based regimens that use lower cumulative doses of chemotherapy and radiation have been developed. Appropriate frontline treatment selection requires a level of familiarity with the efficacy, acute toxicity, convenience, and late effects of treatments that may be impractical for providers who infrequently treat children with HL. There is an increasing need for guideline developers to begin to merge considerations from both frontline treatment and survivorship guidelines into practical documents that integrate potential long-term health risks. Herein, we take the first steps toward doing so by aligning cumulative treatment exposures, anticipated risks of late toxicity, and suggested surveillance recommendations for NCCN-endorsed Pediatric HL Guidelines. Future studies that integrate simulation modeling will strengthen this integrated approach and allow for opportunities to incorporate regimen-specific risks, health-related quality of life, and cost-effectiveness into decision tools to optimize HL therapy.
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.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle