Recombinant and Natural Human Interferons: Analysis of the Incidence and Clinical Impact of Neutralizing Antibodies
Notice bibliographique
Résumé
This review summarizes and analyzes the clinical outcomes following treatment of a wide range of diseases with recombinant interferons (r-IFNs) and/or natural interferons (n-IFNs). The investigation focuses on the frequency of neutralizing antibodies (NABs) directed against IFN, which are formed during treatment and their clinical impact. r-IFNs (α-2a, α-2b, β-1a, and β-1b) induced seroconversion with generation of NABs in 17.2% of patients studied. The highest incidence of NABs occurred in macular degeneration (61.4%) with the lowest in multiple sclerosis (14.7%). The incidence of antibodies induced against n-IFNs was very low (<0.2%) and was significantly less than that seen for r-IFNs (P<0.0001). Overall, the fraction of relapsed and refractory patients is statistically greater in NAB positive patients compared to NAB negative patients (<0.0001), whereas the percentage of responding patients is higher in the NAB negative cohort (P<0.001). Finally, we also analyzed relapsed and refractory NAB positive patients who switched treatment to n-IFN, such as leukocyte derived Alferon N Injection® (α-n3) or Wellferon® (α-n1). Overall, in 33/40 (82%) of these relapsed or refractory patients, switching to n-IFNs restored the clinical response. This result is consistent with serology studies showing that the NABs directed against r-IFNs do not effectively cross-react with n-IFNs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 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 ».