Tumor necrosis factor therapy and the risk of serious infection and malignancy in patients with early rheumatoid arthritis: A meta-analysis of randomized controlled trials
Notice bibliographique
Résumé
OBJECTIVE: To conduct a meta-analysis of the rates of serious infection and malignancy in patients with early rheumatoid arthritis (RA) who have started anti-tumor necrosis factor (anti-TNF) therapy and had not received treatment with disease-modifying antirheumatic drugs (DMARDs) or methotrexate (MTX). METHODS: A systematic literature search was conducted through the summer of 2009. All studies included were randomized, double-blind, placebo-controlled trials involving patients with early RA who were started on anti-TNF therapy without prior DMARD/MTX use. Six trials met the inclusion criteria for the meta-analysis, comprising a total of 2,183 patients receiving biologic therapy and 1,236 patients receiving MTX. The data extracted were from published trials. RESULTS: A pooled odds ratio (OR) (determined using Mantel-Haenszel methods, with a continuity correction designed for sparse data) was calculated for serious infections (requiring hospitalization) and malignancies, comparing anti-TNF therapy to MTX control. The pooled OR for serious infections was 1.28 (95% confidence interval [95% CI] 0.82-2.00) and that for malignancies was 1.08 (95% CI 0.50-2.32). There was no significant difference in either the rate of serious infections or the rate of malignancies between the anti-TNF therapy group and the control group. CONCLUSION: Whereas other meta-analyses have shown an increased risk of serious infection and malignancy in patients receiving anti-TNF therapy, the results of the present meta-analysis show that there is not an increased risk when the patients have early disease and have not previously been treated with DMARDs and/or MTX.
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 | 0,009 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,039 | 0,006 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».