Febuxostat as a Novel Option to Optimize Thiopurines’ Metabolism in Patients With Inadequate Metabolite Levels
Notice bibliographique
Résumé
OBJECTIVE: To report the use of febuxostat in order to potentiate thiopurines' metabolism in a patient on azathioprine (AZA) therapy with low metabolite 6-thioguanine nucleotides (6-TGN) levels and elevated metabolite 6-methylmercaptopurine (6-MMP) levels. CASE SUMMARY: A 44-year-old woman with a history of anti-signal recognition particle necrotizing myopathy was treated with AZA-allopurinol combination therapy. When she developed an atypical drug-induced hypersensitivity syndrome, allopurinol was replaced by the new xanthine oxidase (XO) inhibitor febuxostat, at a daily dose of 40 mg. Febuxostat-AZA combination was successful with 6-TGN reaching therapeutic levels while 6-MMP levels remained low. After 5 months, she developed similar manifestations that she had presented on AZA-allopurinol combination. Febuxostat and AZA were then stopped. DISCUSSION: AZA and 6-MP are both inactive pro-drugs that undergo a complex metabolic transformation leading to active 6-TGN and potentially hepatotoxic 6-MMP. Some patients with unfavorable thiopurine metabolism might benefit from addition of XO inhibitor allopurinol in order to potentiate 6-TGN and reduce 6-MMP levels. It is likely that febuxostat, via its XO inhibition, would exhibit the same effect on thiopurines' metabolism. CONCLUSION: It has been shown that low dose of febuxostat was able to prevent hypermethylation and to potentiate 6-TGN levels in an AZA-treated patient. Thus, febuxostat could be useful in optimizing thiopurines' metabolism, but more data are needed before this practice can be recommended. The mechanisms by which febuxostat optimizes thiopurines' metabolism remain to be confirmed. Also, the optimal dose of febuxostat for this use remains to be determined.
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 | 0,000 |
| 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 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 ».