Interventions for the Prevention of Oral Mucositis in Patients Receiving Cancer Treatment: Evidence from Randomised Controlled Trials
Notice bibliographique
Résumé
Oral mucositis is a common and most debilitating complication associated with cancer therapy. Despite the significant clinical and economic impact of this condition, there is little to offer to patients with oral mucositis, and the medications used in its management are generally only palliative. Given that mucositis is ultimately a predictable and, therefore, potentially preventable condition, in this study we appraised the scientific literature to evaluate effective methods of prevention that have been tested in randomised controlled trials (RCTs). Published high-level evidence shows that multiple preventative methods are potentially effective in the prevention of oral mucositis induced by radiotherapy, chemotherapy, or both. Anti-inflammatory medications (including benzydamine), growth factors and cytokines (including palifermin), cryotherapy, laser-and-light therapy, herbal medicines and supplements, and mucoprotective agents (including oral pilocarpine) showed some degree of efficacy in preventing/reducing the severity of mucositis with most anticancer treatments. Allopurinol was potentially effective in the prevention of radiotherapy-induced oral mucositis; antimicrobial mouthwash and erythropoietin mouthwash were associated with a lower risk of development of severe oral mucositis induced by chemotherapy. The results of our review may assist in highlighting the efficacy and testing the effectiveness of low-cost, safe preventative measures for oral mucositis in cancer patients.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».