Epoetin Alfa Resistance: Valuation of a Management Algorithm
Notice bibliographique
Résumé
ABSTRACT Background: Patients who require large doses of epoetin alfa to achieve and maintain a target hemoglobin of 110 to 120 g/L are usually considered epoetin alfa–resistant. The Kidney Disease Outcomes Quality Initiative guidelines suggest that epoetin alfa resistance be considered when subcutaneous epoetin alfa doses exceed 300 IU kg-1 week-1. Objective: The objective of this project was to develop and validate an algorithm to guide the identification and management of patients on chronic dialysis with suspected epoetin alfa resistance. Methods: The algorithm developed was used for 3 consecutive months to identify patients who did not respond to epoetin alfa; to identify the causes of nonresponse, including epoetin alfa resistance; and to guide the management of their cases. Patients were excluded from the final analysis if they did not complete the 3-month follow-up. Results: Of the 212 patients screened, the algorithm identified 21 who were resistant to epoetin alfa. Of the 16 evaluable patients, 11 achieved their target hemoglobin during the followup period. Mean hemoglobin concentrations improved from 92.8 ± 11.0 to 106.9 ± 14.7 g/L (p = 0.0009). The most common causes of epoetin alfa resistance were iron deficiency, chronic infection, inflammation, and dialysis inadequacy. Many patients had more than one cause of epoetin alfa resistance. Conclusion: The algorithm used in this project can be successfully used to identify epoetin alfa resistance and to manage epoetin alfa therapy for patients on hemodialysis. RESUME Historique : Les patients qui ont besoin de fortes doses d’epoetine alfa pour atteindre et maintenir des taux d’hemoglobine cibles de 110 a 120 g/L sont habituellement reputes etre resistants a l’epoetine alfa. Les lignes directrices de l’Initiative sur la qualite des resultats pour la maladie renale (Kidney Disease Outcomes Quality Initiative) suggerent d’envisager une resistance a l’epoetine alfa lorsque les doses necessaires d’epoetine alfa sous-cutanee chez un patient depassent 300 UI kg-1 semaine-1. Objectif : L’objectif de ce projet etait d’elaborer et de valider un algorithme permettant de depister et de prendre en charge les patients sous dialyse a repetition, chez qui l’on soupconne une resistance a l’epoetine alfa. Methodes : L’algorithme mis au point a ete utilise pendant trois mois consecutifs pour depister les patients qui n’ont pas repondu a l’administration d’epoetine alfa, identifier les causes de l’absence de reponse, y compris la resistance a l’epoetine alfa, et aiguiller la prise en charge de ces cas. Les patients etaient exclus de l’analyse finale s’ils n’achevaient pas la periode de suivi de trois mois. Resultats : Parmi les 212 patients selectionnes, l’algorithme a permis de depister 21 patients resistants a l’epoetine alfa. Des 16 patients evaluables, 11 ont atteint leur taux d’hemoglobine cible au cours de la periode de suivi. Les concentrations moyennes d’hemoglobine ont augmente, passant de 92,8 ± 11,0 a 106,9 ± 14,7 g/L (p = 0,0009). Les causes les plus frequentes de resistance a l’epoetine alfa etaient les suivantes : carence en fer, infection chronique, inflammation et dialyse insuffisante. Chez de nombreux patients, la resistance a l’epoetine alfa etait due a plus d’une cause. Conclusion : L’algorithme auquel on a eu recours dans le cadre de ce projet peut etre utilise avec succes pour depister la resistance a l’epoetine alfa et prendre en charge le traitement par l’epoetine alfa chez les patients hemodialyses.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».