Serious Infections in Rheumatoid Arthritis Offspring Exposed to Tumor Necrosis Factor Inhibitors
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the risk of serious infections in rheumatoid arthritis (RA) offspring exposed to tumor necrosis factor inhibitors (TNFi) in the gestational period compared to unexposed RA offspring, as well as to children from the general population. METHODS: We used US claim data (2011-2015) to identify 2,989 offspring born to women who have RA and a randomly selected group of 14,596 control children, matched ≥4:1 for maternal age, year of delivery, and state of residence. We defined TNFi exposure based on ≥1 filled prescription during pregnancy. We ascertained serious infections based on ≥1 hospitalization, with infection as a primary diagnosis, at ≤12 months of life. We performed multivariable analyses, adjusting for maternal demographics, comorbidities, pregnancy complications, and drugs. RESULTS: Among RA offspring, 380 (12.7%) were exposed to TNFi during pregnancy. The percentage of serious infections in RA offspring with no TNFi exposure (2.0%; 95% confidence interval [95% CI] 1.5, 2.6) was similar to that in non-RA offspring (1.9%; 95% CI 1.9, 2.2), while the percentage of serious infections in RA offspring with TNFi exposure was 3.2% (95% CI 1.5, 5.6). In multivariable analyses, we were unable to establish an increased risk of serious infections in RA offspring exposed to TNFi versus both non-RA offspring (odds ratio [OR] 1.7, 95% CI 0.8, 3.7) and RA offspring unexposed to TNFi (OR 1.4, 95% CI 0.7, 2.8). CONCLUSION: We did not demonstrate a marked excess risk for serious infections in RA offspring exposed to TNFi during pregnancy versus unexposed RA offspring or general population controls.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 0,001 |
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 ».