A real‐world study focused on the long‐term efficacy of mycophenolate mofetil as first‐line treatment of autoimmune hepatitis
Notice bibliographique
Résumé
BACKGROUND: Front-line therapy with mycophenolate mofetil (MMF) in autoimmune hepatitis (AIH) has shown high on-treatment remission rates. AIM: To study prospectively in a real-world fashion the long-term outcome of a large group of consecutive treatment-naïve AIH patients. METHODS: Between 2000 and 2014, 158 patients were recruited but only 131 were eligible for treatment (109 MMF/prednisolone; 22 prednisolone ± azathioprine). Long-term data on outcome after drug withdrawal were evaluated. Patients stopped treatment after having achieved complete response (normal transaminases and IgG) for at least the last 2 years. RESULTS: At diagnosis, 31.6% of patients had cirrhosis and 72.8% insidious presentation. A total of 102 of 109 (93.6%) responded initially to MMF within 2 (1-18) months. A total of 78 of 109 (71.6%) had complete response on treatment and 61 of 78 (78.2%) maintained remission off prednisolone. MMF-treated patients had increased probability of complete response compared to those receiving azathioprine (P = 0.03). Independent predictors of complete response were lower ALT at 6 months (P = 0.001) and acute presentation (P = 0.03). So far, treatment withdrawal was feasible in 40/109 patients and 30 (75%) are still in remission after 24 (2-129) months. Remission maintenance was associated with longer MMF treatment (P = 0.005), higher baseline ALT (P < 0.02), lower IgG on 6 months (P = 0.004) and histological improvement. CONCLUSIONS: Mycophenolate mofetil proved to be an efficient first-line treatment for AIH, achieving so far the highest rates of remission maintenance off treatment (75%) ever published for at least a median of 2 years, although the remission criteria used were strict. However, the risk of potential bias and overestimation of intervention benefits from MMF cannot be completely excluded as this is a real world and not a randomised controlled trial.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».