Efficacy and Tolerability of Probenecid as Urate-lowering Therapy in Gout; Clinical Experience in High-prevalence Population
Notice bibliographique
Résumé
OBJECTIVE: Probenecid is recommended as urate-lowering therapy (ULT) in patients with gout where xanthine oxidase inhibitors are ineffective, not tolerated, or contraindicated. The aim of our study was to determine the efficacy of probenecid to achieve serum urate (SU) targets (< 0.36 mmol/l) in clinical practice. METHODS: We identified 57 patients prescribed with probenecid from a database of 521 rheumatology clinic attenders with gout. Demographic characteristics, indications for probenecid, probenecid doses, side effects, and laboratory data including estimated glomerular filtration rate (eGFR) and SU were recorded. RESULTS: There were 30/57 (53%) patients treated with probenecid as monotherapy and 27/57 (47%) patients treated with probenecid in combination with allopurinol. Target SU concentrations (< 0.36 mmol/l) were achieved in 10/30 (33%) of the probenecid monotherapy group and 10/27 (37%) of the combination treatment group. Baseline SU concentrations, but not eGFR or probenecid dose, independently predicted achievement of target SU. Target SU was achieved in 5/15 (33%) patients with eGFR < 50 ml/min/1.73 m(2). There was no difference in the percentage of patients achieving SU target in those with eGFR < 50 ml/min/1.73 m(2) compared with those with eGFR ≥ 50 ml/min/1.73 m(2). Adverse events attributed to probenecid were observed in 8/42 (19%) patients with eGFR ≥ 50 ml/min/1.73 m(2) and in 2/15 (13%) patients with eGFR < 50 ml/min/1.73 m(2). CONCLUSION: Probenecid has moderate efficacy as ULT in clinical management of patients with complex gout who have a lack of efficacy or intolerance to allopurinol. Patients with chronic kidney disease may respond to probenecid with similar rates of adverse events.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».