Relationship Between Polymorphisms in Methotrexate Pathway Genes and Outcome of Methotrexate Treatment in a Cohort of 119 Patients with Juvenile Idiopathic Arthritis
Notice bibliographique
Résumé
Objective. To identify clinical and pharmacogenetic determinants of efficacy and toxicity of methotrexate (MTX) in juvenile idiopathic arthritis (JIA) over time. Methods. A cohort of 119 consecutive patients with JIA treated with MTX was reviewed. The Juvenile Arthritis Disease Activity Score including 71 joints was used to measure disease activity. Nonresponders were patients who did not reach a minimum of 30% improvement after 6 months of treatment or were switched to biologic drugs in the first 6 months because of inefficacy. All adverse events (AE) were noted. Genotyping of single-nucleotide polymorphisms (SNP) in the genes coding for MTX transporters, folate pathway, and adenosine pathway was performed using real-time PCR methods. Univariate and multivariable penalized logistic and Cox regression were used to analyze data. Results. Thirty patients (25.8%) were defined as nonresponders and 55 (47.2%) were switched to biologics during the followup. Sixty-five patients (54.5%) reported AE in a total of 405 patient-years, and 10 patients (8.4%) discontinued MTX because of AE. AMPD1 rs17602729 and MTHFD1 rs2236225 were associated with gastrointestinal AE while the latter together with MTRR rs1801394 also demonstrated associations with developing hepatoxicity. MTHFR rs1801131, ABCG2 rs2231137, wild-type of MTR rs1805087, and wild-type of ABCC2 rs2273697 were identified as potential markers for discontinuing MTX treatment because of AE. MTHFR rs1801133, MTRR rs1801394, and ABCC2 rs2273697 were associated with switching to biologics. Conclusion. SNP in different MTX metabolic pathways influence treatment with MTX. Genetic variability is a better marker for toxicity than efficacy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».