Assessing the impact of aprepitant on response to dose-intensive cyclophosphamide, etoposide, and cisplatin (DICEP)
Notice bibliographique
Résumé
BackgroundDespite evidence demonstrating the effectiveness of aprepitant for chemotherapy-induced nausea and vomiting (CINV), its use in stem cell transplant settings across Canada is not standard. While pharmacokinetic data exists, the clinical significance of cytochrome P450 3A4 (CYP 3A4) inhibition of cyclophosphamide by aprepitant is unclear. Reduced activation of cyclophosphamide may reduce the effectiveness of dose-intensive cyclophosphamide, etoposide, and cisplatin (DICEP).ObjectivesTo compare response rates to DICEP in patients with Hodgkin lymphoma (HL) and diffuse large B-cell lymphoma (DLBCL) in the presence and absence of aprepitant.MethodsA retrospective review of patients who received full-dose DICEP for relapsed/refractory HL or DLBCL between June 1995 and September 2018 at the Foothills Medical Centre (FMC) in Calgary, Alberta, Canada was conducted. Descriptive statistics were used to assess response rate, as defined by the 2007 International Working Group response criteria.ResultsOf the 218 patients included in this study, 87.6% of patients in the control group and 88.5% of patients in the aprepitant group responded to DICEP (difference 0.025 [95% CI, -0.066 to 0.114], p = 0.827). Univariate analyses for age, sex, type of cancer, stage of cancer, number of prior relapses, and relapse status were not significant. No significant differences were observed for secondary outcomes.ConclusionResponse rates to DICEP in relapsed/refractory HL and DLBCL patients were similar regardless of aprepitant use. Considering these results and the effectiveness of aprepitant in CINV, its addition to standard antiemetic therapy in patients receiving DICEP should be given strong consideration in the transplant setting.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».