Can Tumor Necrosis Factor Inhibitors Be Safely Used in Pregnancy?
Notice bibliographique
Résumé
OBJECTIVE: We review available safety data for use of currently approved tumor necrosis factor (TNF) inhibitors during pregnancy and lactation and suggest guidelines for use of these agents among women of reproductive age. Method. Although regulatory agencies encourage the inclusion of pregnant women and those of child-bearing age in randomized controlled trials, pregnant and lactating women have universally been excluded from studies because of unknown or potential risks to the fetus. Thus, strong evidence-based treatment recommendations during pregnancy are usually lacking and safety information is derived from voluntary reports of adverse events during postmarketing surveillance or via uncontrolled, observational studies, reviewed here. RESULTS: Uncommon adverse pregnancy outcomes observed with TNF inhibitor therapy appear to approximate those seen in women not receiving such therapy and may include premature birth, miscarriage, low birthweight, hypertension, and preeclampsia. There are rare reports of fetal malformations or congenital anomalies in patients exposed to TNF inhibitors during conception or pregnancy. However, the incidence of these events appears to be far below the 3% rate of congenital anomalies in the general population. CONCLUSION: If the activity or disease severity precludes the cessation of a TNF inhibitor and/or DMARD, uncontrolled observations suggest that conception and early pregnancy are not adversely affected by use of TNF inhibitors. Nearly 70% of pregnant patients can discontinue their TNF inhibitor early in the pregnancy (or with determination of pregnancy) without augmenting maternal or fetal risks.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».