New Frontiers in Subcutaneous Immunoglobulin Treatment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Subcutaneous immunoglobulin (SCIG) treatment provides stable serum immunoglobulin G (IgG) levels, is associated with fewer systemic adverse events than intravenous immunoglobulin (IVIG) treatment, and offers the convenience of home therapy. In clinical practice, IVIG is still used preferentially for initiation of treatment in newly diagnosed patients with primary immunodeficiency (PI) and for immunomodulatory therapy, such as treatment of peripheral neuropathies, when high doses are believed to be necessary. The authors discuss recent experience in using SCIG in place of IVIG in these settings. SCIG has been successfully used for initiation of therapy in previously untreated PI patients. Seventeen of 18 PI patients achieved serum IgG levels ≥5 g/L after the loading phase. Daily treatment was well tolerated and provided opportunities for patient/parent training in self-infusion. SCIG has been used for maintenance therapy in multifocal motor neuropathy (MMN) in three recent clinical trials, with good efficacy and tolerability results. Seven of eight MMN patients maintained serum IgG levels of 14-22 g/L with a mean dose of 272 mg/kg/week, had stable muscle strength, and felt comfortable with self-administration. Four patients with polymyositis or dermatomyositis achieved improvement in serum creatine kinase levels and muscle strength with SCIG therapy. Recent experience with SCIG suggests that traditional concepts of immunoglobulin therapy may be challenged to increase available therapy options. SCIG can be used to achieve high IgG levels within several days in untreated PI patients and to maintain high serum levels, as shown in patients with MMN.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 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 découle