Tuberculosis Risk in Patients Treated with Non-Anti-Tumor Necrosis Factor- (TNF- ) Targeted Biologics and Recently Licensed TNF- Inhibitors: Data from Clinical Trials and National Registries
Notice bibliographique
Résumé
This review aimed to evaluate the risk of active tuberculosis (TB) occurrence in patients with rheumatic disorders receiving non-anti-tumor necrosis factor (TNF) targeted biologics anakinra (ANK), tocilizumab (TCZ), rituximab (RTX), abatacept (ABA), and recently approved anti-TNF golimumab (GOL), and certolizumab pegol (CTP). In recent findings, no cases of active TB were recorded in patients with rheumatoid arthritis (RA) and other rheumatic conditions treated with anti-CD20+ RTX and anti-CD28 ABA. No patient receiving anti-interleukin 1 (IL-1) ANK developed active TB, and an increased risk was excluded in a Canadian database. In contrast, 8 active TB cases were observed in 21 trials of patients with RA receiving anti-IL-6 TCZ, while no increased TB risk resulted from Japanese postmarketing surveillance. Among GOL-treated and CTP-treated patients, 8 and 10 active TB cases occurred, respectively, while no data are available from registries. However, all but 1 TB case recorded in patients treated with TCZ, GOL, and CTP occurred in TB-endemic countries. No TB risk resulted for ANK, RTX, and ABA, suggesting pretreatment screening procedures for latent TB infection detection are unnecessary. Because all TB cases occurred in countries at high risk for TB, where TB exposure could have occurred during treatment, no definitive conclusions can be drawn for TCZ, GOL, and CTP.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».