Therapeutic drug monitoring in anti-tuberculosis treatment: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Therapeutic drug monitoring (TDM) may improve tuberculosis (TB) treatment outcomes, but there is little evidence to guide TDM in clinical practice. DESIGN: We performed a systematic review and meta-analysis to summarise existing literature on TDM in first-line drugs. RESULTS: We identified 41 studies that reported 2 h post-dose drug concentrations (C2h) for first-line drugs and 12 studies that reported clinical outcomes. We pooled data by study quality, design, region, dosing modality and patient characteristics. The pooled proportion of subjects with low isoniazid C2h was 0.43 (95%CI 0.32-0.55), 0.67 (95%CI 0.60-0.74) had low rifampicin C2h, 0.27 (95%CI 0.17-0.38) had low ethambutol C2h, and 0.12 (95%CI 0.07-0.19) had low pyrazinamide C2h. Patients with diabetes had a non-significant increase in the proportion of subjects with low C2h levels across all four drugs. Only three of 12 studies that examined clinical outcomes demonstrated an association between low C2h and unsuccessful treatment outcomes. CONCLUSION: Across a wide variety of studies, a high proportion of patients undergoing first-line anti-tuberculosis treatment had 2 h drug concentrations below the accepted normal threshold. These findings point to a discrepancy between accepted 2 h TDM thresholds and TB drug dosing recommendations.
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 | 0,015 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,042 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».