Treatment of Muckle-Wells syndrome: analysis of two IL-1-blocking regimens
Notice bibliographique
Résumé
OBJECTIVES: Muckle-Wells syndrome (MWS) is an autoinflammatory disease characterized by excessive interleukin-1 (IL-1) release, resulting in recurrent fevers, sensorineural hearing loss, and amyloidosis. IL-1 inhibition with anakinra, an IL-1 receptor antagonist, improves clinical symptoms and inflammatory markers. Subclinical disease activity is commonly observed. Canakinumab, a fully human IgG1 anti-IL-1β monoclonal antibody, can abolish excess IL-1β. The study aim was to analyze the efficacy and safety of these two anti-IL-1 therapies. METHODS: Two cohorts of patients with severe MWS and confirmed NLRP3 mutation were treated with anakinra and/or canakinumab. Clinical and laboratory features including ESR, CRP, SAA, and the neutrophil marker S100A12 were determined serially. Disease activity was captured by MWS disease activity scores (MWS-DAS). Remission was defined as MWS-DAS ≤5 plus normal CRP and SAA. Treatment efficacy and safety were analyzed. RESULTS: The study included 12 anakinra- and 14 canakinumab-treated patients; the median age was 33.5 years (3.0 years to 72.0 years); 57% were female patients. Both treatment regimens led to a significant reduction of clinical disease activity and inflammatory markers. At last follow-up, 75% of anakinra-treated and 93% of canakinumab-treated patients achieved remission. During follow-up, S100A12 levels mirrored recurrence of disease activity. Both treatment regimens had favorable safety profiles. CONCLUSIONS: IL-1 blockade is an effective and safe treatment in MWS patients. MWS-DAS in combination with MWS inflammatory markers provides an excellent monitoring tool set. Canakinumab led to a sustained control of disease activity even after secondary failure of anakinra therapy. S100A12 may be a sensitive marker to detect subclinical disease activity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 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 ».