Late Adverse Effects after Treatment for Childhood Acute Leukemia
Notice bibliographique
Résumé
The aim of this review is to raise awareness and knowledge among healthcare professionals and policymakers about late adverse effects in survivors of childhood leukemia. With contemporary treatment, over 90% of children with acute lymphoblastic leukemia (ALL) and over 60% with acute myeloid leukemia (AML) are cured. Large cohort studies demonstrate that 20% of ALL and most AML survivors have at least one chronic health condition by 20-25 years after diagnosis. These are life-changing or threatening in some survivors and contribute to increased premature mortality. We describe the frequency, causes, clinical features, and natural history of the most frequent and severe late adverse effects in childhood leukemia survivors, including subsequent malignant neoplasms, metabolic toxicity, gonadotoxicity and impaired fertility, endocrinopathy and growth disturbances, bone toxicity, central and peripheral neurotoxicity, cardiotoxicity, psychosocial late effects, accelerated ageing and late mortality. The wide range of late effects in survivors of haemopoietic stem cell transplant is highlighted. Recent developments informing the approach to long-term survivorship care are discussed, including electronic personalized patient-specific treatment summaries and care plans such as the Survivor Passport (SurPass), surveillance guidelines and models of care. The importance of ongoing vigilance is stressed given the increasing use of novel targeted drugs with limited experience of long-term outcomes. CONCLUSION: It is vital to raise awareness of the existence and severity of late effects of childhood leukemia therapy among parents, patients, health professionals, and policymakers. Structured long-term surveillance recommendations are necessary to standardize follow-up care.
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) | 0,001 | 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 | 0,001 | 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 ».