Chronic radiation dermatitis in breast cancer patients: pathophysiology, prevention and management strategies, and clinical impact
Notice bibliographique
Résumé
Radiation therapy (RT) is a common component of breast cancer treatment. Chronic radiation dermatitis (CRD), defined as occurring after or extending beyond 90 days following the completion of RT, can be progressive and irreversible and manifest as changes in skin pigmentation, fibrosis, telangiectasia, ulceration, necrosis, and contribute to the development of cutaneous malignancy. There is limited existing research on the incidence, management approaches, and prevention strategies for CRD. The literature that does exist reports widely varying rates of CRD, reports the various manifestations individually, uses different grading scales, and has varying follow-up durations, making comparison between studies challenging. Methods that have been reported to specifically prevent CRD include massage therapy and physical activity. As increased severity of acute radiation dermatitis (ARD) may be associated with increased risk of CRD, methods to prevent ARD may also help prevent CRD. Topical corticosteroid creams currently have the greatest consensus for the prevention of ARD, but there is also evidence for barrier films such as Mepitel Film, StrataXRT, and Hydrofilm. A variety of methods have also been proposed to help manage the manifestations of CRD, including pulsed dye laser therapy for telangiectasia, flap reconstruction for ulceration, and vitamin E/pentoxifylline and fat grafting for cutaneous fibrosis. Standardization of scoring of CRD, aligning study endpoints, and further research into the prevention and management of CRD are needed, as many patients are living for years following breast RT, and CRD represents a poor cosmetic outcome that can lead to significant health problems, and can reduce quality of life. Herein, we aim to provide a comprehensive literature review of the pathophysiology, clinical manifestations, prevention and management strategies, and quality of life impact of CRD.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 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) | 0,002 | 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 ».