Integrating nutrition, physical exercise, psychosocial support and antiemetic drugs into CINV management: The road to success
Notice bibliographique
Résumé
Over the years, advancements in antiemetic drugs have improved chemotherapy-induced nausea and vomiting (CINV) control. However, despite the antiemetics therapies, in a relevant number of adult patients (∼30 %), CINV is still persistent, leading to several complications, such as electrolyte imbalances, anorexia, and treatment discontinuation. Supportive care interventions have gained credibility in cancer care, helping to improve patients' psycho-physical condition, quality of life, and managing symptoms, including CINV. Physical exercise and tailored nutritional counseling have demonstrated benefits in reducing the severity of nausea and vomiting. Psychological intervention has been postulated as a key approach in controlling anticipatory nausea/vomiting, as well as acupuncture/acupressure has been shown to decrease nausea and vomiting after chemotherapy treatments. In the current review, we aim to provide a clinical update on current prophylactic and delayed antiemetic guidelines for CINV and an overview of the non-pharmacological interventions tested for alleviating CINV in patients with cancer. • CINV still represents a crucial issue during chemotherapy/anticancer therapies in patients with cancer. • The pharmacological approach is the cornerstone of CINV treatment. • Other interventions, such as psychological, nutritional and physical, may contribute to the antiemetic efficacy. • A comprehensive approach combining drugs and supportive care could further optimize CINV management.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».