Toxic Skin Reactions Should Be Differentiated from Allergic Reactions to Chemotherapeutic Drugs in Children: A Case Series and Review of the Literature
Notice bibliographique
Résumé
Abstract: Background: Chemotherapeutic drugs can lead to a wide spectrum of cutaneous findings, ranging from nonimmune toxic reactions to severe immune-mediated hypersensitivity reactions. The aim of this study was to evaluate the clinical, histopathological features, and prognosis of toxic skin reactions to chemotherapeutic drugs and to compare them with characteristics of immune-mediated reactions in children with malignancies. Methods: The medical records of all children with cancer who experienced skin reactions after chemotherapy administration and diagnosed as a toxic skin reaction between 2010 and 2022 were retrospectively analyzed. The diagnosis was re-evaluated and differentiated from other similar disorders by using clinical manifestations, photodocumentation, and histopathological findings. Results: A total of 17 children aged 2–17 years were involved: toxic erythema of chemotherapy (TEC) in 14 children, methotrexate-induced epidermal necrosis in 2 children, and toxic epidermal necrolysis (TEN)-like TEC in 1 child. The most commonly implicated drug was methotrexate. Most patients recovered rapidly after drug cessation and supportive measures. In 10 of the 17 patients, reintroduction of the culprit chemotherapeutic drug at reduced doses or increased dosage intervals was possible without any recurrence. Six patients could not receive further doses since they deceased due to sepsis and other complications. Conclusions: Cutaneous toxic eruptions to chemotherapeutic drugs may present with a severe phenotype resembling Stevens–Johnson syndrome/TEN. An accurate diagnosis prevents potentially harmful therapeutic interventions, withholding of chemotherapy, and erroneous assignment of drug allergies.
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 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 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».