Rituximab-associated Vasculitis Flare: Incidence, Predictors, and Outcome
Notice bibliographique
Résumé
OBJECTIVE: To report the incidence, predictors, and outcome of rituximab (RTX)-associated autoimmune disease flare. METHODS: We conducted a retrospective study in a tertiary referral center from 2005 to 2015. Disease flare was defined as the onset of a new organ involvement or worsening of autoimmune disease within 4 weeks following RTX. RESULTS: Among the 185 patients, we identified 7 disease flares (3.4%). All were due to type II mixed cryoglobulinemia vasculitis. Vasculitis flare occurred after a median time of 8 days (range 2-16) following RTX infusion and included acute kidney insufficiency (n = 7), purpura with cutaneous (n = 7), gastrointestinal (GI) tract involvement (n = 4), and myocarditis (n = 1). Patients with RTX-associated cryoglobulinemia vasculitis flare had these conditions more frequently: renal involvement (p = 0.0008), B cell lymphoproliferation (p = 0.015), higher level of cryoglobulin (2.1 vs 0.4 g/l, p = 0.0004), and lower level of C4 (0.02 vs 0.05, p = 0.023) compared to patients without flare after RTX (n = 43). Four patients (57%) died after a median time of 3.3 months. The 1-year survival rate was poorer in patients with vasculitis flare after RTX compared to their negative counterpart [43% (95% CI 18-100) vs 97% (95% CI 92-100), p < 0.001]. Immunofluorescence analysis of kidney biopsy in patients with worsening RTX-associated vasculitis highlighted the presence of RTX-, IgM-, and IgG1-positive staining of endomembranous deposits and thrombi within kidney lesions. CONCLUSION: RTX-associated cryoglobulinemia vasculitis flare is associated with high mortality rate. We provided evidence that kidney lesions are due to immune complex deposition and to glomerular obstruction by cryoglobulinemia and RTX.
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 | 0,001 |
| 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 ».