Therapeutic Drug Monitoring of Biologics for Inflammatory Bowel Disease
Notice bibliographique
Résumé
BACKGROUND: Although tumor necrosis factor (TNF) antagonists are effective for the treatment of Crohn's disease and ulcerative colitis, lack and loss of clinical response is a clinical challenge. Accordingly, the use of therapeutic drug monitoring has been proposed as a means to optimize treatment. This article reviews the mechanisms of and factors which influence clearance of biologics, the relationship between serum drug concentrations and antidrug antibody presence and treatment efficacy, and identifies areas for future research needs regarding the use of therapeutic drug monitoring in clinical practice. METHODS: Publications regarding these topics were identified from literature searching and supplemented by review of gastroenterology meeting presentations and reference lists. RESULTS: The clearance of monoclonal antibodies and pegylated antibody fragments is complex, and may be affected by demographic variables, concomitant medications, inflammatory burden, and immunogenicity, leading to high interpatient variability in plasma concentration of drug and clinical response. Several observational studies have demonstrated a relationship between anti-TNF agent serum drug concentrations and/or antidrug antibody presence and various symptomatic and objective clinical endpoints. However, these relationships are not absolute, and although some algorithms for the use of therapeutic drug monitoring in clinical practice have been proposed, none have yet been validated in a prospective clinical trial. CONCLUSIONS: Further research to identify the most appropriate use of therapeutic drug monitoring is needed.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».