Expert consensus on cancer treatment-related lung injury
Notice bibliographique
Résumé
Background: Although advancements in cancer therapies have substantially improved the survival of cancer patients, these treatments may also result in acute or chronic lung injury. Cancer treatment-related lung injury (CTLI) presents with a diverse array of clinical manifestations and can involve multiple sites. Due to the lack of specific diagnostic protocols, CTLI can deteriorate rapidly and may be life-threatening if not promptly addressed. Unfortunately, there is no universally accepted consensus document on the diagnosis and management of CTLI. Methods: A multidisciplinary panel comprising experts from respiratory and critical care medicine, oncology, radiation oncology, thoracic surgery, radiology, pathology, infectious diseases, pharmacy, and rehabilitation medicine participated in this consensus development. Through a systematic literature review and detailed panel discussions, the team formulated nine key recommendations. Results: This consensus document addresses the concept, epidemiology, pathogenesis, risk factors, diagnostic approach, evaluation workflow, management strategies, differential diagnosis, type-specific management and clinical staging of CTLI. Emphasis is placed on raising awareness among clinicians and therapeutic practices through comprehensive guidelines. Conclusions: The consensus provides a detailed diagnostic protocol for CTLI and introduces a structured management framework based on grading, typing, and staging. It highlights the critical role of multidisciplinary team (MDT) collaboration and emphasizes the need for individualized, whole-process patient care strategies to optimize clinical outcomes.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 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 ».