Preventing Attacks of Acute Gout When Introducing Urate-Lowering Therapy: A Systematic Literature Review
Notice bibliographique
Résumé
OBJECTIVE: To systematically review the evidence on treatment available to prevent an acute attack of gout when initiating a urate-lowering therapy (ULT) and for how long this treatment should be continued. To also evaluate the evidence on the optimal time to start a ULT after an acute attack of gout. METHODS: A systematic review as part of the 3e (Evidence, Expertise, Exchange) Initiative on Diagnosis and Management of Gout was performed using Medline, Embase, Cochrane Central Register of Controlled Trials (from 1950 to October 2011), and the European League Against Rheumatism (EULAR) and American College of Rheumatology (ACR) 2010/2011 meeting abstracts. Two reviewers independently screened titles and abstracts for selection criteria. Included articles were reviewed in detail, and a risk of bias assessment (using the Cochrane tool) was performed. RESULTS: The search identified 8168 articles and 197 abstracts, from which 4 randomized controlled trials were included in the review. Two of these studies compared placebo with colchicine, 1 compared differing durations of colchicine, and 1 compared colchicine with canakinumab. CONCLUSION: Two randomized controlled trials have shown that colchicine prophylaxis for at least 6 months, when starting a ULT, reduces the risk of acute attacks. Canakinumab, although not currently licensed for gout, has been shown to provide prophylaxis superior to colchicine, when starting a ULT. There is no evidence on the optimum time to start a ULT after an acute gout attack.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».