Tumour necrosis factor inhibitor therapy and infection risk in axial spondyloarthritis: results from a longitudinal observational cohort
Notice bibliographique
Résumé
OBJECTIVES: Long-term data on infection risk in axial SpA (axSpA) are sparse. TNF inhibitors (TNFis) are increasingly being used in axSpA, with infection being the most important adverse event. We aimed to investigate the frequency of infections in axSpA and to identify factors predisposing to infection. METHODS: Data were extracted from a longitudinal observational cohort of patients with axSpA. Infection rates were calculated and multivariate analysis was performed to investigate the association of independent variables with infection. RESULTS: Data were analysed for 440 patients followed for a total of 1712 patient-years (pys). A total of 259 infections, of which 23 were serious, were recorded in 185 patients. The overall rate of any infection was 15 (95% CI 13, 17)/100 pys and the serious infection rate was 1.3 (95% CI 0.9, 2.0)/100 pys. There was no significant difference in the rate of any infection or serious infection in patients on TNFis compared with patients never on biologic agents. In the multivariate analysis, DMARD treatment, but not TNFi treatment, was associated with risk of infection. Age, disease duration, smoking status, BASFI, BASDAI, co-morbidity score and hospitalization were not associated with an increased risk of infection. CONCLUSION: The serious infection rate in axSpA in this observational cohort is low when compared with rates reported in other rheumatic diseases. Biologic use was not a significant risk factor for serious infection.
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 | 0,000 | 0,000 |
| 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 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 ».