Incidence and Risk Factors for Serious Infection in Patients with Rheumatoid Arthritis Treated with Tumor Necrosis Factor Inhibitors: A Report from the Registry of Japanese Rheumatoid Arthritis Patients for Longterm Safety
Notice bibliographique
Résumé
OBJECTIVE: To compare tumor necrosis factor-α (TNF-α) inhibitors to nonbiological disease-modifying antirheumatic drugs (DMARD) for the risk of serious infection in Japanese patients with rheumatoid arthritis (RA). METHODS: Serious infections occurring within the first year of the observation period were examined using the records for patients recruited to the Registry of Japanese Rheumatoid Arthritis Patients for Longterm Safety (REAL), a hospital-based prospective cohort of patients with RA. The analysis included 1144 patients, 646 of whom were treated with either infliximab or etanercept [exposed group: 592.4 patient-years (PY)]. The remaining 498 patients received nonbiological DMARD with no biologics (unexposed group: 454.7 PY). RESULTS: In the unexposed group, the incidence rate for all serious adverse events (SAE) was 9.02/100 PY and for serious infections, 2.64/100 PY. In the exposed group, SAE occurred in 16.04/100 PY and serious infections in 6.42/100 PY. The crude incidence rate ratio comparing serious infections in the exposed group with the unexposed group was 2.43 (95% CI 1.27-4.65), a significant increase. A multivariate analysis revealed that the use of TNF inhibitors is a significant independent risk factor for serious infection (relative risk 2.37, 95% CI 1.11-5.05, p = 0.026). CONCLUSION: Our study has provided the first epidemiological data on Japanese patients with RA for the safety of TNF inhibitors compared to nonbiological DMARD for up to 1 year of treatment. Anti-TNF therapy was associated with a significantly increased risk for serious infections, compared to treatment with nonbiological DMARD.
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 | 0,001 |
| 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 ».