Utility of azathioprine metabolite measurements in post‐transplant recurrent autoimmune and immune‐mediated hepatitis
Notice bibliographique
Résumé
Patients with post-transplant immune-mediated hepatitis (IMH) and recurrent autoimmune hepatitis (RAIH) have a poor outcome and a higher need for retransplantation. Azathioprine (AZA) is used as adjunctive immunosuppression after transplantation; optimizing its dose may be a key point in preserving graft function. Complications of high AZA dosing make dose escalation potentially problematic. Our aim was to correlate AZA metabolite levels with therapeutic effects, toxicity, and adherence to medication in children with IMH and RAIH. Charts of 14 patients were retrospectively reviewed. The post-transplant diagnosis was based on liver biopsy and autoimmune markers. AZA was prescribed after establishing the post-transplant diagnosis. AZA was started at 1.1 (1.0-1.8) mg/kg/day. Routine biochemical studies, tacrolimus levels, 6-thioguanine (6-TG) and 6-methylmercaptopurine levels were assessed every 8 wk. AZA dose was routinely adjusted to achieve 6-TG levels between 235 and 450 pmol per 8 x 10(8) RBC. A total of 92 samples from 14 patients were reviewed. Four patients were excluded because of non-adherence. AZA dose was increased by 245% resulting in eight of 10 patients in the target range; no hepatic or bone marrow toxicity was observed. ALT levels and steroid requirements were significantly reduced (p < 0.05). The AZA dose required to achieve target 6-TG levels was significantly greater in children <10 yr. AZA metabolite testing in children post-liver transplant is useful in assessing adherence to medication and it is potentially helpful in optimizing medication dosing. In younger children the AZA dose requirements were two to four times higher than previously reported standard doses.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».