Use of late-night salivary cortisol to monitor response to medical treatment in Cushing’s disease
Notice bibliographique
Résumé
OBJECTIVE: Monitoring of patients with Cushing's disease on cortisol-lowering drugs is usually performed with urinary free cortisol (UFC). Late-night salivary cortisol (LNSC) has an established role in screening for hypercortisolism and can help to detect the loss of cortisol circadian rhythm. Less evidence exists regarding the usefulness of LNSC in monitoring pharmacological response in Cushing's disease. DESIGN: Exploratory analysis evaluating LNSC during a Phase III study of long-acting pasireotide in Cushing's disease (clinicaltrials.gov: NCT01374906). METHODS: Mean LNSC (mLNSC) was calculated from two samples, collected on the same days as the first two of three 24-h urine samples (used to calculate mean UFC [mUFC]). Clinical signs of hypercortisolism were evaluated over time. RESULTS: At baseline, 137 patients had evaluable mLNSC measurements; 91.2% had mLNSC exceeding the upper limit of normal (ULN; 3.2 nmol/L). Of patients with evaluable assessments at month 12 (n = 92), 17.4% had both mLNSC ≤ULN and mUFC ≤ULN; 22.8% had mLNSC ≤ULN, and 45.7% had mUFC ≤ULN. There was high variability in LNSC (intra-patient coefficient of variation (CV): 49.4%) and UFC (intra-patient CV: 39.2%). mLNSC levels decreased over 12 months of treatment and paralleled changes in mUFC. Moderate correlation was seen between mLNSC and mUFC (Spearman's correlation: ρ = 0.50 [all time points pooled]). Greater improvements in systolic/diastolic blood pressure and weight were seen in patients with both mLNSC ≤ULN and mUFC ≤ULN. CONCLUSION: mUFC and mLNSC are complementary measurements for monitoring treatment response in Cushing's disease, with better clinical outcomes seen for patients in whom both mUFC and mLNSC are controlled.
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) | 0,000 | 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 ».