Increased risk of mycobacterial infections associated with anti-rheumatic medications
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
RATIONALE: Anti-tumour necrosis factor (TNF) agents and other anti-rheumatic medications increase the risk of TB in rheumatoid arthritis (RA). Whether they increase the risk of infections with nontuberculous mycobacteria (NTM) is uncertain. OBJECTIVES: To determine the effect of anti-TNF therapy and other anti-rheumatic drugs on the risk of NTM disease and TB in older patients with RA. METHODS: Population-based nested case-control study among Ontario seniors aged ≥67 years with RA who were prescribed at least one anti-rheumatic medication between 2001 and 2011. We identified cases of TB and NTM disease microbiologically and identified drug exposures using linked prescription drug claims. We estimated ORs using conditional logistic regression, controlling for several potential confounders. MEASUREMENTS AND MAIN RESULTS: Among 56 269 older adults with RA, we identified 37 cases of TB and 211 cases of NTM disease; each case was matched to up to 10 controls. Individuals with TB or NTM disease were both more likely to be using anti-TNF therapy (compared with non-use); adjusted ORs (95% CIs) were 5.04 (1.27 to 20.0) and 2.19 (1.10 to 4.37), respectively. Exposure to leflunomide and other anti-rheumatic drugs with high immunosuppressing potential also were associated with both TB and NTM disease, while oral corticosteroids and hydroxychloroquine were associated with NTM disease. CONCLUSIONS: Anti-TNF use is associated with increased risk of both TB and NTM disease, but appears to be a relatively greater risk for TB. Several other anti-rheumatic drugs were also associated with mycobacterial infections.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle