Variability in Intravenous Immunoglobulin G Regimens for Autoimmune Neuromuscular Disorders
Notice bibliographique
Résumé
AIMS: We reviewed the intravenous immunoglobulin G (IVIG) dispensing records of a specialty pharmacy to characterize the IVIG treatment regimens used for chronic inflammatory demyelinating polyneuropathy (CIDP) and myasthenia gravis (MG) in community practice. METHODS: Anonymized records were selected based on International Classification of Diseases, Ninth Revision (ICD-9) codes and IVIG treatment for > 1 month. Each patient's immunoglobulin G (IgG) dose per infusion (mg/kg/dose) was multiplied by the number of doses per month (30.5 days divided by the dosing interval in days) to yield the total monthly dose (mg/kg/month). Data were analyzed and summarized using descriptive statistics. RESULTS: Forty-six patients (median age, 56.5 years; range, 8-86 years) fulfilled the inclusion criteria. Thirty-one patients with CIDP received IgG at 7- to 92-day intervals (mean [standard deviation (SD)], 28 [16] days). The mean (SD) IgG dose was 75 (60) g/dose, equivalent to 866 (623) mg/kg/dose and 1145 (778) mg/kg/month. Six patients with stable MG received IVIG or subcutaneous IgG at 3.5- to 61-day intervals (28 [20] days) at a mean (SD) IgG dose of 39 (15) g/dose, equivalent to 405 (108) mg/kg/dose and 783 (680) mg/kg/month. Nine patients with MG with acute exacerbations received IgG at 7- to 42-day intervals (22 [12] days) at a mean (SD) dose of 40 (21) g/dose, equivalent to 403 (172) mg/kg/dose and 641 (288) mg/kg/month. One patient with CIDP and 4 patients with MG were treated with weekly subcutaneous IgG injections. CONCLUSION: Although patients with CIDP and MG are treated with mean total monthly IgG doses similar to those approved by the US Food and Drug Administration, the individual doses and intervals vary considerably, suggesting that physicians may be adjusting IgG dosing according to each patient's clinical condition and treatment response. Further study is necessary to determine the criteria used to adjust IgG treatment regimens and whether these adjustments optimize clinical outcomes while limiting overall costs.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».