The Role of Biological Agents in the Management of Large Vessel Vasculitis (LVV): A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Giant cell arteritis (GCA) and Takayasu's arteritis (TAA) are large vessel vasculitides (LVV) for which corticosteroids (CS) are the mainstay for treatment. In patients with LVV unable to tolerate CS, biological agents have been used with variable effectiveness. OBJECTIVE: To systematically review the effectiveness and safety of biological agents in patients with LVV. METHODS: We searched 5 electronic databases (inception to October 2012) and conference abstracts with no language restrictions. Two reviewers independently selected studies, extracted data and assessed methodological quality. Our protocol was registered in PROSPERO. RESULTS: We included 25 studies (3 RCTs and 22 case series with ≥2 cases). 95 GCA and 98 TAA patients received biological agents. The RCTs using anti-TNF agents (infliximab, etanercept and adalimumab) did not suggest a benefit in GCA. GCA patients receiving tocilizumab, in case series, achieved remission (19 patients) and reduction of corticosteroid dose (mean difference, -16.55 mg/day (95% CI: -26.24, -6.86)). In case series, 75 patients with refractory TAA treated with infliximab discontinued CS 32% of the time. Remission was variably defined and the studies were clinically heterogeneous which precluded further analysis. CONCLUSION: This systematic review demonstrated a weak evidence base on which to assess the effectiveness of biological treatment in LVV. Evidence from RCTs suggests that anti-TNF agents are not effective for remission or reduction of CS use. Tocilizumab and infliximab may be effective in the management of LVV and refractory TAA, respectively, although the evidence comes from case series. Future analytical studies are needed to confirm these findings.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| 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 ».