Antitumor Necrosis Factor-α Therapy Associated with Inflammatory Bowel Disease: Three Cases and a Systematic Literature Review
Notice bibliographique
Résumé
OBJECTIVE: Antitumor necrosis factor-α (anti-TNF-α) therapy is the most prescribed biologic agent therapy in rheumatology and gastroenterology. However, a number of serious side effects have been reported with these drugs. Only a handful of cases of new-onset inflammatory bowel disease (IBD), mostly in children diagnosed with juvenile idiopathic arthritis (JIA), have been reported during anti-TNF-α therapy. We present 3 cases of adult IBD following anti-TNF-α therapy and a literature review on this topic. METHODS: We searched PubMed MESH for all relevant terms, papers were reviewed, and patient-specific data were extracted. Relevant clinical data were calculated and presented. RESULTS: The PubMed search resulted in 137 articles, of which 11 articles and 4 cited publications were included in our analysis. We found 53 cases of IBD after anti-TNF-α therapy reported in the literature; most of them were case series collected retrospectively from national databases or studies. Almost all the patients developed IBD after the introduction of etanercept (ETN); 2 patients with rheumatoid arthritis were also included. The average age at IBD onset was 17.3 years and the average time from ETN introduction to IBD onset was 27 months (± 24). Gastrointestinal symptoms have been reported as improving or subsiding in most of the patients after discontinuing ETN. CONCLUSION: Although this manifestation is not common, it should be taken into consideration as an adverse effect of ETN. Rheumatologists, and in particular rheumatologists treating adult patients, should be aware of this possible complication. Further investigation about the pathogenic process underlying this phenomenon is warranted.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 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 | 0,001 | 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 ».