Multidisciplinary Clinical Care in the Management of Patients Receiving Anti-GD2 Immunotherapy for High-Risk Neuroblastoma
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 addition of anti-disialoganglioside-2 (GD2) monoclonal antibodies (mAbs) such as dinutuximab and naxitamab to standard therapies for high-risk (HR) neuroblastoma has significantly improved outcomes for children with this devastating disease. The care for these young patients receiving treatment for HR neuroblastoma is complex, with need for the involvement of a multidisciplinary team. Clinical implementation of anti-GD2 mAb treatment requires the same harmonized team approach. The authors share the development process of this coordinated team method and practical recommendations for administration of anti-GD2 mAbs and adverse event (AE) management. Successful collaboration between nurses and other team members ensures optimal treatment and comfort of patients and their families. The primary focus of this approach is to mitigate and manage AEs associated with anti-GD2 mAb treatments, such as pain, hypotension, allergic reactions, and hypertension, and to ensure safe and effective use of anti-GD2 mAbs. The two treatments approved for use in patients with neuroblastoma, dinutuximab for patients with HR disease following a partial response or better to frontline multimodal therapy and naxitamab for refractory or relapsed HR disease in the bone or bone marrow, were studied in different administration settings and follow different regimens and infusion schedules. Therefore, AE management requirements are specific to each treatment. The awareness of these differences and implementation of appropriate AE management strategies in clinical practice are important to ensure the best possible outcomes for patients with HR neuroblastoma.
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 | 0,000 | 0,000 |
| 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 découle