High-dose frequency beta-interferons increase the risk of liver test abnormalities in multiple sclerosis: a longitudinal study
Notice bibliographique
Résumé
BACKGROUND: Post-marketing studies and case reports have linked beta-interferon (IFNβ) treatment with liver enzyme abnormalities and liver injuries in patients with multiple sclerosis (MS). Few predictors of risk exist. OBJECTIVE: We investigated the effect of IFNβ and other patient characteristics on levels of the liver enzyme, alanine aminotransferase (ALT). METHOD: Repeated ALT test results were reviewed retrospectively for 1064 MS patients prescribed an IFNβ as their first immunomodulatory drug. Liver enzyme abnormality was defined as an ALT elevation twice the upper limit of normal (≥ 2 ULN). The Generalized Estimating Equation (GEE) was used to analyze the effect of age (≤ 35, >35-40, >40-45, >45 years), gender, disease duration, IFNβ product, and duration of treatment (≤ 5, >5-15, >15-40, >40 months) on de novo liver enzyme abnormality. RESULTS: Over a mean treatment period of 38.7 months (SD=34.9), 12.4% (95/766) of MS patients developed de novo liver enzyme abnormality. Multivariable GEE results showed a dose frequency response effect of IFNβs on liver enzyme abnormality: OR=3.8(95% CI: 1.6-9.2) for IFNβ-1a 44 µg SC, and OR=3.4 (95% CI: 1.5-7.9) for IFNβ-1b 250 µg SC compared with the lower frequency IFNβ-1a 30 µg IM. Younger age (≤ 40 years), male gender, and ≤ 15 months of IFNβ exposure were also independent predictors. CONCLUSION: A dose frequency response effect was observed, with high-frequency IFNβs having the greatest risk. The first 15 months of treatment, men, and younger patients were also associated with elevated risk. Regular ALT monitoring in MS patients appears prudent; long-term consequences of ALT elevations should be further investigated.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».