MétaCan
Menu
Retour à la cohorte
Enregistrement W2510617400 · doi:10.1097/cnd.0000000000000133

A Review of Azathioprine-Associated Hepatotoxicity and Myelosuppression in Myasthenia Gravis

2016· review· en· W2510617400 sur OpenAlexaff
Kristin Jack, Wilma J. Koopman, Denise Hulley, Michael Nicolle

Notice bibliographique

RevueJournal of Clinical Neuromuscular Disease · 2016
Typereview
Langueen
DomaineMedicine
ThématiqueMyasthenia Gravis and Thymoma
Établissements canadiensWestern UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineAzathioprineMyasthenia gravisPharmacologyInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Myasthenia gravis (MG) is an autoimmune disorder in which antibodies interfere with neuromuscular transmission. Azathioprine (AZA) is an immunosuppressant frequently used for treatment of various autoimmune conditions, including MG. The literature suggests that the rates of AZA-associated hepatotoxicity and myelosuppression in MG are highly variable. Published studies have not formally analyzed their pattern, severity, timing, and/or recovery. We assessed the prevalence, pattern and timing of AZA associated toxicity in a large group of MG patients. METHODS: We identified 113 patients with MG with AZA-associated toxicity among 571 managed with this immunosuppressant. The timing of when toxicities occurred as well as pattern of laboratory abnormalities was assessed. RESULTS: The overall prevalence of hepatotoxicity and myelosuppression was 15.2% and 9.1%, respectively. The most common pattern of hepatotoxicity seen was gamma-glutamyl transpeptidase (GGT) enzyme elevation in 67.8% of patients. Of note, 21.2% of patients with myelosuppression had normocytic anemia, 17.3% had pancytopenia, and another 17.3% developed macrocytic anemia. CONCLUSIONS: AZA-associated hepatotoxicity and myelosuppression in MG are not uncommon and may be underrecognized depending on the timing, frequency, and specific tests ordered for blood work monitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,833
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0060,003
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,449
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Neuromuscular DiseaseMême sujetMyasthenia Gravis and ThymomaTravaux en français237 207