MétaCan
Menu
Retour à la cohorte
Enregistrement W7135019574 · doi:10.1093/neuped/wuaf001.184

LGG-01. Managing side effects of MAPK inhibitor therapies in pediatric populations: a Delphi consensus initiative

2025· article· en· W7135019574 sur OpenAlex
E. Bouffet, Darren Hargrave, Daniel C. Bowers, Stewart Goldman, Grant T Liu, Ashley S. Plant-Fox, Nathan Robison, Michal Zápotocký, Jennifer T. Huang, Hanneke M. van Santen

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNeuro-Oncology Pediatrics · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueNeuroblastoma Research and Treatments
Établissements canadiensSickKids Foundation
Organismes subventionnairesnon disponible
Mots-clésAdverse effectDelphi methodMultidisciplinary approachClinical trialMEDLINETrametinibDelphi

Résumé

récupéré en direct d'OpenAlex

Abstract Pediatric low-grade gliomas (pLGGs), among other pediatric brain/CNS tumors, are often driven by activating mutations in the MAPK pathway; MAPK inhibitors (MAPKis) have emerged as key treatments. However, challenges have arisen regarding their toxicity and potential late effects, creating a need for additional guidance in diagnosing, monitoring, and managing adverse events (AEs). Here, we report preliminary findings from a literature search supporting a Delphi consensus initiative, aiming to provide recommendations for clinicians to improve management of AEs with MAPKis. PubMed, Web of Science, and Cochrane Trials databases were searched for articles in English published between 2010–2024. Congress abstracts published between 2018–2024 were also considered. Up to 100 multidisciplinary global experts will aim to reach consensus on statements conceived by an international steering committee, supported by the literature search. In total, 638 publications were identified; 208 were considered relevant for data extraction. Most publications were case reports/series (64), retrospective studies (59), or phase 1/2 trials (46). The most common cancer types reported were pLGG and plexiform neurofibroma. In total, 152 publications reported data for MEK inhibitors (most commonly trametinib and selumetinib) and 116 reported data for BRAF/RAF inhibitors (most commonly dabrafenib and vemurafenib). Publications most frequently reported AE incidence, severity, and dose modifications, and less frequently reported AE management strategies, risk factors, and patient experiences. Several classes of AE, including cutaneous, gastrointestinal, hematological, cardiac, laboratory abnormalities, and general constitutional symptoms, were reported with all MAPKi types. Cutaneous toxicities were consistently common and were the AEs for which management strategies were most frequently reported. There is a paucity of information regarding AE prophylaxis, management, risk factors, and patient experiences in pediatric patients receiving MAPKis. Our findings will form the basis of a series of consensus statements and recommendations to guide and improve management of AEs with MAPKis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,336
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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