Myositis-associated Interstitial Lung Disease: Predictors of Failure of Conventional Treatment and Response to Tacrolimus in a US Cohort
Notice bibliographique
Résumé
OBJECTIVE: Patients with myositis-associated interstitial lung disease (MA-ILD) are often refractory to conventional treatment, and predicting their response to therapy is challenging. Recent case reports and small series suggest that tacrolimus may be useful in refractory cases. METHODS: A retrospective cohort study of patients with MA-ILD comparing clinical characteristics between those who responded to or failed conventional treatment. In those who failed conventional treatment and received adjunctive tacrolimus, response to tacrolimus was measured by the improvement in myositis, ILD, and change in the dose of glucocorticoids. RESULTS: Thirty-one of 54 patients (57%) responded to conventional treatment based on the predefined variables of improvement in myositis and/or ILD. Patients with polymyositis (PM)-ILD were more likely to respond to conventional treatment than those with dermatomyositis (DM)-ILD (67% vs 35%, p = 0.013). Twenty-three patients failed conventional treatment, 18 of whom subsequently received adjunctive tacrolimus. Ninety-four percent had improvements in ILD and 72% showed improvement in both myositis and ILD. The mean doses of prednisone decreased from baseline by 65% at 3-6 months (p = 0.002) and 81% at 1 year (p < 0.001). CONCLUSION: Patients with PM-ILD were more likely to respond to conventional treatment than patients with DM-ILD, but clinical characteristics and serology did not otherwise predict response to therapy. A majority of patients with MA-ILD refractory to conventional therapy improved while receiving tacrolimus and were able to decrease their dose of both glucocorticoids and other disease-modifying antirheumatic drugs.
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 | 0,001 | 0,000 |
| 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 ».