Commentary: detection of infliximab levels and anti‐infliximab antibodies
Notice bibliographique
Résumé
Clinicians treating inflammatory bowel disease frequently face the dilemma of loss of response to anti-TNF agents.1 Previous studies have demonstrated that poor clinical outcomes relate to a lack of circulating drug and the secondary development of antibodies to monoclonal antibodies including infliximab (ATI).2, 3 However, there is variability and a lack of standardisation in existing infliximab drug level and antidrug antibody assays. The nicely written manuscript by Vande Casteele et al.,4 addresses these concerns by setting up a robust round robin experiment evaluating both serum samples and spiked control samples to compare three different European assays from the Netherlands, Belgium, and France. While the authors conclude that there was a good correlation of infliximab and ATI measurements between the assays, of concern, the commercially available Biomedical Diagnostics (BMD) kit from Paris, France, detected false positive infliximab levels in nearly a fifth of the samples. This has implications for the recently published retrospective study by Pariente et al. who utilised the BMD kit and concluded in contrast to existing literature and, perhaps incorrectly, that antibodies to infliximab may not predict response to intensification of infliximab therapy in patients with IBD.5 With the recent interest in therapeutic monitoring of anti-TNF therapy to optimise clinical outcomes for patients, there has been an explosion in the number and type of assays reported in the medical literature ranging from solid phase to fluid phase assays, different platforms, including radio-immunoassays and enzyme-linked immunosorbent assays, and differences in the antigenic targets e.g. double-antigen vs. antilambda chain assays.6-11 In the absence of a gold standard assay, most importantly, this article highlights the need for stringent assessment, standardisation and validation of any future assays before they become commercially available and used for clinical decision making. Declaration of personal and funding interests: None.
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 | 0,007 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,007 | 0,002 |
| Intégrité de la recherche | 0,063 | 0,042 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,014 |
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 ».