Epstein-Barr Virus (EBV) Prevalence and the Risk of Reactivation in Patients with Inflammatory Arthritis Using Anti-TNF Agents and in those who are Biologic Naive
Notice bibliographique
Résumé
OBJECTIVE: Anti-TNF agents (etanercept, infliximab and adalimumab) are widely used in inflammatory conditions, such as rheumatoid arthritis; however, they are not without side effects, potentially including lymphoma. We compared Epstein-Barr virus (EBV) levels in patients with inflammatory arthritis taking biologic agents and controls matched for disease, age, gender and disease duration who were biologic naïve. Secondly, we determined the risk of reactivation of EBV in patients taking biologics. METHODS: One hundred and twenty-two patients were recruited and blood samples were collected. Immunoglobulin G (IgG) antibody to EBV was analysed using enzyme-linked immunosorbent assay. EBV DNA was analysed using polymerase chain reaction (PCR) on all positive IgG samples. Quantitative measures of viral DNA were made and expressed as copies/reaction volume. Reactivation was defined as the presence of viral DNA in the plasma and PCR activity was evaluated between 6 and 18 months after anti-TNF therapy. RESULTS: IgG for EBV was detected in 98% of controls and 90% of cases. Viral reactivation related to EBV was not observed in this study. There was one patient who tested positive for EBV using PCR, but upon confirmatory testing, this sample was actually negative. No samples were positive on PCR at the follow-up time points. CONCLUSION: There was a high rate of EBV IgG in the cases and controls in this study. Given the small sample size and timeframe for this study, treatment with anti-TNF agents does not seem to lead to EBV reactivation, and thus, this is likely not a mechanism for the development of lymphoma in patients taking biologics.
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) | 0,000 | 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 ».