Abordagens terapêuticas da mucosite oral induzida por tratamento anti-neoplásico na população pediátrica : uma revisão sistemática
Notice bibliographique
Résumé
Introdução: As crianças submetidas a tratamento antineoplásico manifestam diversos efeitos colaterais devido á intensidade e continuidade dos tratamentos. A mucosite oral é uma das lesões inflamatórias mais prevalentes e dolorosas encontradas nesta população, divide-se em estágios que têm por base a evolução clínica dos pacientes. Há diversas opções terapêuticas, como o reforço na higienização oral, a crioterapia, a terapia com laser de baixa intensidade e medicinas alternativas, ainda que careçam de suporte científico. O objetivo desta revisão sistemática foi definir o grau de evidência destas medidas no controlo da MO. Materiais e métodos: A presente revisão sistemática teve por base as guidelines PRISMA, tendo-se efetuado uma pesquisa nas bases de dados PubMed/MEDLINE®, Embase e literatura cinzenta, nomeadamente NICE e a TRIAL. De acordo com a questão de investigação e critérios de seleção, foram selecionados os artigos realizados nos últimos 20 anos, em população menor de 18 anos, que estiveram ou estavam expostos a tratamento antineoplásico. A pesquisa e triagem dos artigos foi realizada por duas revisoras independentes e a qualidade dos estudos foi avaliada através da Newscastle-Ottawa scale. Resultados: Após a combinação dos termos de pesquisa obteve-se um total de 11693 artigos, após aplicação dos respetivos filtros obteve-se um total de 281. Foi realizada uma primeira leitura dos títulos e abstracts resultando em 23 artigos. Estes foram analisados por leitura integral, eliminando-se 17 artigos. Os restantes 6 artigos integraram a presente revisão sistemática. Conclusão: Existem diversas terapias disponíveis na prevenção e tratamento da MO, no entanto, não há evidências conclusivas da sua eficácia para estabelecer protocolos clínicos precisos. Conclui-se que, em específico, o laser de baixa intensidade, a palifermina e a andibora demonstraram um efeito preventivo no desenvolvimento, diminuição e, por vezes, eliminação da sintomatologia.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».