Enhancing Duloxetine With Mirogabalin for Treating Taxane-Induced Peripheral Neuropathy in Advanced Lung Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction Taxane-based cytotoxic anticancer drugs are a cornerstone of advanced lung cancer chemotherapy; however, they often result in chemotherapy-induced peripheral neuropathy (CIPN). Along with prolonged recovery, CIPN may cause irreversible damage. Consequently, dose reduction or discontinuation is justified, potentially impacting therapeutic efficacy. With no established treatment for CIPN, low-dose duloxetine is generally used as a supportive drug. However, studies have shown the potential effect of mirogabalin on CIPN. Therefore, at our hospital, patients with advanced lung cancer experiencing CIPN during taxane-based first-line therapy received low-dose duloxetine, and were subsequently treated with mirogabalin. Methods In this study, we conducted a retrospective observational cohort study of the impact of mirogabalin administration on 14 advanced lung cancer patients when duloxetine alone was deemed insufficient. The median age was 71 years (52-89 years), with 9 male and 5 female patients. The Numerical Rating Scale (NRS) was utilized to evaluate outcomes, and Wilcoxon’s signed rank-sum test was used in statistical analysis. Results The median Numerical Rating Scale (NRS) score decreased from 5.5 (interquartile range [IQR]: 4.5-7.0) before to 4.0 (IQR: 3.0-5.0) after mirogabalin administration ( P = 0.041), indicating significant pain reduction. Conclusion The addition of mirogabalin to duloxetine shows promise in alleviating CIPN in advanced lung cancer patients treated with taxane anticancer agents. These findings warrant further investigation and consideration for their integration into clinical practice for managing CIPN.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 découle