Tuberculosis Disease in Children and Adolescents on Therapy With Antitumor Necrosis Factor-ɑ Agents: A Collaborative, Multicenter Paediatric Tuberculosis Network European Trials Group (ptbnet) Study
Notice bibliographique
Résumé
BACKGROUND: In adults, anti-tumor necrosis factor-α (TNF-α) therapy is associated with progression of latent tuberculosis (TB) infection (LTBI) to TB disease, but pediatric data are limited. METHODS: Retrospective multicenter study within the Paediatric Tuberculosis Network European Trials Group, capturing patients <18 years who developed TB disease during anti-TNF-α therapy. RESULTS: Sixty-six tertiary healthcare institutions providing care for children with TB participated. Nineteen cases were identified: Crohn's disease (n = 8; 42%) and juvenile idiopathic arthritis (n = 6; 32%) were the commonest underlying conditions. Immune-based TB screening (tuberculin skin test and/or interferon-γ release assay) was performed in 15 patients before commencing anti-TNF-α therapy but only identified 1 LTBI case; 13 patients were already receiving immunosuppressants at the time of screening. The median interval between starting anti-TNF-α therapy and TB diagnosis was 13.1 (IQR, 7.1-20.3) months. All cases presented with severe disease, predominantly miliary TB (n = 14; 78%). One case was diagnosed postmortem. TB was microbiologically confirmed in 15 cases (79%). The median duration of anti-TB treatment was 50 (IQR, 46-66) weeks. Five of 15 (33%) cases who had completed TB treatment had long-term sequelae. CONCLUSIONS: LTBI screening is frequently false-negative in this patient population, likely due to immunosuppressants impairing test performance. Therefore, patients with immune-mediated diseases should be screened for LTBI at the point of diagnosis, before commencing immunosuppressive medication. Children on anti-TNF-α therapy are prone to severe TB disease and significant long-term morbidity. Those observations underscore the need for robust LTBI screening programs in this high-risk patient population, even in low-TB-prevalence settings.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».