Cancer drugs and acute kidney injury: new therapies and new challenges
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Cancer therapies continue to evolve at a rapid pace and although novel treatments, including immunotherapies and targeted therapies have allowed for substantial improvements in cancer survival, they carry associated risks of acute kidney injury (AKI). We aim to summarize the existing literature on AKI associated with the spectrum of systemic cancer treatments, including conventional chemotherapies, newer immunotherapies, and the growing number of targeted cancer therapies, which may be associated with both AKI and 'pseudo-AKI'. RECENT FINDINGS: Conventional cytotoxic chemotherapies (e.g. cisplatin and other platinum-based agents, methotrexate, pemetrexed, ifosfamide, etc.) with well recognized nephrotoxicities (predominantly tubulointerstitial injury) remain in widespread use. Immunotherapies (e.g., immune checkpoint inhibitors and CAR-T therapies) may be associated with kidney immune-related adverse events, most often acute interstitial nephritis, and rarely, glomerular disease. Recently, multiple targeted cancer therapies have been associated with reduced renal tubular secretion of creatinine, causing elevations in serum creatinine and apparent 'pseudo-AKI'. To complicate matters further, these agents have had biopsy-proven, 'true' kidney injury attributed to them in numerous case reports. SUMMARY: Clinicians in nephrology and oncology must be aware of the various potential kidney risks with these agents and recognize those with clinically meaningful impact on both cancer and kidney outcomes.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 ».