Second‐line Agents in Pediatric Patients With Autoimmune Hepatitis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Ten percent to 20% of children with autoimmune hepatitis (AIH) require second-line therapy to achieve remission. Although current guidelines exist on first-line management, evidence for second-line therapy in treatment-refractory patients is lacking. Our aim was to perform a systematic review and meta-analysis of the efficacy and safety of second-line treatments used in this population. METHODS: Electronic and manual searches were used to identify potential studies for inclusion. Studies were selected based on reported response rates to second-line therapies in children who failed response to prednisone and azathioprine. Data extraction and risk of bias assessment were performed independently by 2 reviewers. Meta-analysis using weighted estimate of response rates at 6 months was performed for each treatment option. Heterogeneity was assessed. RESULTS: Fifteen studies of 76 pediatric patients with AIH were included in the review. Overall response rates at 6 months were estimated as 36% for mycophenolate mofetil (MMF) (N = 34, 95% confidence interval [CI] (16-57)), and 50% for tacrolimus (N = 4, 95% CI (0-100%)) and 83% for cyclosporine (N = 15, 95% CI (66%-100%)). Adverse effects were most frequent with cyclosporine (64% experiencing at least 1 adverse effect) followed by tacrolimus (54%) and MMF (48%). Pooled estimates of adverse events were 78% for cyclosporine (95% CI (54%-100%)), 42% for tacrolimus (95% CI (0%-85%)) and 45% for MMF (95% CI (25%-68%)). Sensitivity analyses were not performed due to small sample size. CONCLUSIONS: Cyclosporine had the highest response rate at 6 months in children with standard-treatment-refractory AIH; however, it also had the highest rate of adverse events. MMF was the second most efficacious option with a low adverse effect rate.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».