Patterns and Associated Risk of Perioperative Use of Anti-Tumor Necrosis Factor in Patients with Rheumatoid Arthritis Undergoing Total Knee Replacement
Notice bibliographique
Résumé
OBJECTIVE: The patterns and risks of perioperative use of anti-tumor necrosis factor (anti-TNF) medication in patients with rheumatoid arthritis (RA) are not well studied. We examined the patterns of perioperative anti-TNF use and risk of postoperative adverse events (AE) in patients undergoing total knee replacement (TKR). METHOD: Retrospective cohort study with followup. RA cases within a TKR registry were identified by ICD-9 code (714.0) or self-report. Mailed questionnaires queried anti-TNF use and duration of RA. AE were determined by chart review and patient self-report, and included surgical site infection, pulmonary embolus, deep venous thrombosis, pneumonia, and any infection or re-operation within 6 months. RESULTS: There were 268 TKR cases with RA. The stop time for anti-TNF preoperatively correlated with dosing schedule; restart time was after wound healing. There were 7 surgical site infections (3%), one (0.4%) of which was a deep joint infection in bilateral TKA requiring explant. The anti-TNF group had 3.26% (3/92) local site infection versus 2.10% (3/143) in the group without anti-TNF and this difference was not statistically significant (Fisher exact test, p = 0.68). The one deep joint infection was in the anti-TNF group. Six-month AE rate was 7.61% in the anti-TNF group versus 6.99% in the group without anti-TNF (Fisher exact test, p = 1.0). CONCLUSION: There was a low risk of infection and perioperative adverse events in patients with RA receiving anti-TNF therapy who were undergoing TKR. This raises the question whether it is necessary to stop anti-TNF for a long period prior to surgery. Given the possible risks associated with stopping anti-TNF, including worsening of disease, further study is needed to determine optimal perioperative use of anti-TNF among patients with RA undergoing TKR.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».