Pain mitigation and management strategies for anti‐GD2 infusions: An expert consensus
Notice bibliographique
Résumé
Monoclonal antibodies (mAbs) targeting disialoganglioside 2 (GD2) are an important treatment advance for high-risk neuroblastoma, including in patients with refractory or relapsed disease. Dinutuximab and dinutuximab beta are administered for ≥8 hours (and up to 10 days for dinutuximab beta), whereas naxitamab is administered over 0.5 to 2 hours as tolerated. As acute pain is a class effect of anti-GD2 mAbs, effective pain management is crucial to successful treatment. Here, we provide an overview of current pain-management strategies for anti-GD2 mAb infusions, with a focus on strategies suitable for naxitamab infusions, which cause a more rapid onset of often severe pain. We discuss opioid analgesics, ketamine, gabapentin, and other similar agents and nonpharmacologic approaches. Potential future pain-management options are also discussed, in addition to the use of sedatives to reduce the anxiety that may be associated with infusion-related pain. In this expert consensus paper, specific guidance for pain management during naxitamab infusions is provided, as these infusions are administered over 0.5 to 2 hours and may not need overnight hospitalization based on the physician's assessment, and require rapid-onset analgesia options suitable for potential outpatient administration.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».