Neurological and renal complications in obese children with cancer: a systematic review of cardiovascular risk factors
Notice bibliographique
Résumé
Obesity in children, especially those with cancer, is a growing concern due to its impact on health outcomes. These children are at increased risk for neurological, renal, and cardiovascular complications, which can worsen their prognosis. This systematic review aims to examine the role of obesity in the development of these complications in children with cancer, highlighting the associated cardiovascular risk factors. A comprehensive literature search was conducted across databases such as PubMed, Scopus, Web of Science, Embase, and Google Scholar for studies published between 2014 and 2025. Eligible studies included interventional, cohort, case-control, and observational studies that examined the impact of cancer treatments on neurological and renal outcomes in obese pediatric patients. The review followed PRISMA guidelines to ensure methodological rigor, with quality assessment using validated tools such as the Newcastle-Ottawa Scale and STROBE checklist. Thirteen studies involving 14,723 participants met the inclusion criteria. Obesity was associated with poorer survival outcomes, particularly in children with ALL and CNS tumors, showing lower EFS and OS rates. Obese children undergoing chemotherapy had higher incidences of treatment-related toxicities, including hepatotoxicity, nephrotoxicity, and thrombotic events. Renal complications, including acute kidney injury and electrolyte imbalances, were more prevalent in obese patients. Obesity also increased cardiovascular risk, with higher rates of hypertension and insulin resistance. Additionally, it contributed to neurocognitive impairments and poor psychosocial outcomes. Lastly, obesity affected growth trajectories, with many survivors remaining obese long-term. Early weight management and personalized treatment strategies are crucial to mitigate these risks. Addressing obesity in pediatric cancer care is essential to improve treatment outcomes and long-term survivorship, with further research needed to develop effective interventions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».