Drug persistence and need for dose intensification to adalimumab therapy; the importance of therapeutic drug monitoring in inflammatory bowel diseases
Notice bibliographique
Résumé
BACKGROUND: Therapeutic drug monitoring (TDM) aid therapeutic decision making in patients with inflammatory bowel disease (IBD) who lose response to anti-TNF therapy. Our aim was to evaluate the frequency and predictive factors of loss of response (LOR) to adalimumab using TDM in IBD patients. METHODS: One hundred twelve IBD patients (with 214 TDM measurements, CD/UC 84/28, male/female 50/62, mean age CD/UC: 36/35 years) were enrolled in this consecutive cohort from two referral centres in Hungary. Demographic data were comprehensively collected and harmonized monitoring strategy was applied. Previous and current therapy, laboratory data and clinical activity were recorded at the time of TDM. Patients were evaluated either at the time of suspected LOR or during follow-up. TDM measurements were determined by commercial ELISA (LISA TRACKER, Theradiag, France). RESULTS: Among 112 IBD patients, LOR/drug persistence was 25.9%/74.1%. The cumulative ADA positivity (>10 ng/mL) and low TL (<5.0 μg/mL) was 12.1% and 17.8% after 1 year and 17.3% and 29.5% after 2 years of adalimumab therapy. Dose intensification was needed in 29.5% of the patients. Female gender and ADA positivity were associated with LOR (female gender: p < 0.001, OR:7.8 CI 95%: 2.5-24.3, ADA positivity: p = 0.007 OR:3.6 CI 95%: 1.4-9.5). CONCLUSIONS: ADA development, low TL and need for dose intensification were frequent during adalimumab therapy and support the selective use of TDM in IBD patients treated with adalimumab. ADA positivity and gender were predictors of LOR.
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) | 0,000 | 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 ».