MétaCan
Menu
Retour à la cohorte
Enregistrement W4406371200 · doi:10.3390/cancers17020251

Diagnosis and Management of Skin Toxicities in Systemic Treatment of Genitourinary Cancers

2025· review· en· W4406371200 sur OpenAlexaff
Deepro Chowdhury, Laura D Chin, Roupen Odabashian, Ali Fawaz, Christina Canil, Michael Ong, Mark G. Kirchhof, M. Neil Reaume, Ana-Alicia Beltran-Bless, Marie-France Savard, David J. Tsoulis, Dominick Bossé

Notice bibliographique

RevueCancers · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueChemotherapy-related skin toxicity
Établissements canadiensUniversity of AlbertaPrincess Margaret Cancer CentreUniversity of Ottawa
Organismes subventionnairesEMD SeronoIpsenEli Lilly and CompanyAstraZenecaGaldermaAstellas PharmaSeagenGilead SciencesEisaiL'Oreal USAAmgenPfizer
Mots-clésMedicineGenitourinary systemDermatologyDrugPsoriasisPharmacologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The landscape of available therapeutic options for treatment of genitourinary (GU) cancers is expanding dramatically. Many of these treatments have distinct, sometimes severe, skin toxicities including morbilliform, bullous, pustular, lichenoid, eczematous, psoriasiform, and palmoplantar eruptions. Pruritus and skin pigmentation changes have also been noted. This review aims to synthesize dermatologic events observed with antibody drug conjugates, poly (ADP-ribose) polymerase (PARP) inhibitors, androgen receptor pathway inhibitors, tyrosine kinase inhibitors, immune checkpoint inhibitors, and the combination of these agents used for the treatment of GU cancers. It provides a guide on diagnosis and initial management of these rashes for medical oncologists.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,833
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,338
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetChemotherapy-related skin toxicityTravaux en français237 207