Time-Trend Analysis and Risk Factors for Niraparib-Induced Nausea and Vomiting in Ovarian Cancer: A Prospective Study
Notice bibliographique
Résumé
PURPOSE: Nausea and vomiting are major non-hematological adverse events associated with niraparib maintenance therapy. This study aimed to investigate the time-trend patterns of niraparib-induced nausea and vomiting (NINV) and the associated risk factors in patients with ovarian cancer. Materials and Methods: In this prospective study, we enrolled patients with stage III-IV epithelial ovarian cancer who received niraparib as frontline maintenance therapy. The clinicopathological characteristics and time-trend patterns of patients with NINV were collected through in-person surveys and electronic medical records from the National Cancer Center. RESULTS: Of 53 patients, 50 (94.3%) were diagnosed with high-grade serous ovarian carcinoma. BRCA mutations and homologous recombination deficiency (HRD) were identifi ed in 23 (43.4%) and 32 (60.4%) patients, respectively. Thirty-one patients (58.5%) had NINV. Time-trend analyses revealed that the fi rst peak intensity of NINV was reached at 3 h post-dose, and the second peak intensity was reached at 11 hour post-dose. NINV signifi cantly decreased from week 1 to weeks 8 and 12. In multivariate analyses of risk factors for NINV, HRD-positive tumors (p < 0.001) and prior experience of chemotherapy-induced nausea and vomiting (p=0.004) were associated with the occurrence of NINV. CONCLUSION: Pre-emptive treatment with antiemetics is required to manage early-phase NINV during niraparib maintenance therapy in patients with risk factors. Additional larger studies are needed to confi rm these fi ndings and to develop optimal preventive strategies for NINV.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».