Practical considerations in the management of patients treated with bosutinib for chronic myeloid leukemia
Notice bibliographique
Résumé
Bosutinib is a second-generation tyrosine kinase inhibitor indicated for the treatment of patients with newly diagnosed Philadelphia chromosome-positive chronic phase chronic myeloid leukemia (CML), and for patients with Ph + chronic phase, accelerated phase, or blast phase CML resistant or intolerant to prior therapy. As is the case for all TKIs approved for treatment of CML, bosutinib is associated with adverse events (AEs) that require appropriate management to ensure adherence to treatment and optimized outcomes. The aim of this review is to provide physicians with updated practical information for the prevention and management of AEs occurring during treatment with bosutinib, including dosing strategies, based on the latest published evidence and clinical experience. Clinical studies and real-world evidence have shown bosutinib has a generally favorable safety profile, which has remained consistent across lines of therapy and in long-term reports. Adjusting the starting dose and/or modifying the dose during treatment with bosutinib are important strategies to manage AEs and improve tolerability, which are recognized within the label and in treatment guidelines. Dosing adjustment strategies to manage AEs are a recognized management approach for other TKIs in the treatment of CML and are not exclusive to bosutinib. In summary, long-term results from clinical trials and emerging real-world evidence demonstrate bosutinib has a safety profile that can largely be managed with treatment modifications and/or supportive care. Increased experience in managing toxicities and by using a personalized dosing approach may further improve adherence and outcomes with bosutinib.
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) | 0,002 | 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 | 0,000 | 0,000 |
| 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 ».