Use of Pharmacogenetics, Enzymatic Phenotyping, and Metabolite Monitoring to Guide Treatment with Azathioprine in Patients with Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: Individualized therapy based on genetic background and monitoring of metabolites can optimize drug safety and efficacy. Such an approach is available for azathioprine (AZA), the thiopurine antimetabolite. AZA exerts therapeutic effects when metabolized to the active thiopurine nucleotide, 6-thioguanine (6-TGN). In inflammatory bowel disease (IBD), 6-TGN levels in the target range of 235-400 pmol/8x10(8) red blood cells (RBC) are associated with a high likelihood of response. Our objective was to evaluate whether drug escalation based on metabolite levels improves efficacy and maintains safety in patients with systemic lupus erythematosus (SLE). METHODS: We conducted a 6-month open-label dose-escalation clinical study of patients with active SLE treated with azathioprine dosed by body weight and metabolite levels. The primary endpoint was >or=50% improvement in any one parameter of disease activity, or 50% decrease in glucocorticoid dose. RESULTS: Of 50 patients enrolled in the study, 21 achieved clinical responses, 13 of whom had 6-TGN<235 pmol/8 x10(8) RBC. Ten patients had no clinical response at 6 months, yet achieved either therapeutic IBD 6-TGN levels (>235, n=4) or received maximum AZA dose>or=3.5 mg/kg (n=6). In 19 patients the drug was discontinued prematurely due to side effects or SLE activity. For those patients in whom either liver function test or white blood cell count abnormalities were encountered, metabolites guided attribution to drug or disease activity. CONCLUSION: Clinical responses in SLE can occur at levels of 6-TGN lower than the target range established for IBD. During followup, measurements of AZA metabolites may provide a rational approach to safety.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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; 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 ».