Pediatric ALL Treatment Modifications in Low- and Middle-Income Countries: A Systematic Review
Notice bibliographique
Résumé
PURPOSE For children with ALL in low- and middle-income countries (LMICs), treatment regimen adaptation based on local contexts is often necessary. However, the clinical impact of such modifications is poorly understood. The purpose of this study is to examine pediatric ALL treatment regimens used in LMICs, assess for patterns in adaptation to identify common barriers affecting global delivery of ALL care, and describe the breadth of outcomes. METHODS Using the PRISMA guidelines, a systematic review was conducted, across seven databases, of ALL regimens use in LMICs in 2000-2021, documenting the geographic distribution of treatment backbone adoption, regimen modifications, and outcomes. Article characteristics were summarized using descriptive statistics. RESULTS Of 13,900 articles, 125 met abstraction criteria. Data spanned 36 countries (6.4% low-income, 43.2% lower-middle–income, 50.4% upper-middle–income) and 163 regimens, of which 138 (84.6%) referenced a high-income ALL collaborative group regimen as a backbone. Sixty-four percent of regimens (n = 104) were adapted. Individual modifications (n = 390) were consolidated into 73 distinct regimen changes; reduction/omission of high-dose methotrexate, observed in 30 modified regimens (28.8%), was the most common. Implementation challenges, such as drug access and cost, were cited more frequently than toxicity as the rationale for modification; however, implementation outcomes (eg, feasibility, cost) were only measured in 6.4% of articles. Across all outcomes, 5-year overall survival was higher with modified versus unmodified regimens ( P = .030). CONCLUSION Although implementation barriers are primary drivers of ALL regimen adaptations globally, the paucity of reported implementation outcomes represents a methodological gap in the literature. Incorporating implementation science methods and frameworks is critical for the timely and effective delivery of innovative treatment regimens across resource settings.
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 | 0,011 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,008 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».