Rituximab utilization for approved and off‐label nononcology indications and patients’ experiences with the Patient Alert Card
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
) in autoimmune conditions and (2) patients' receipt and knowledge of the Patient Alert Card (PAC), a risk minimization measure for progressive multifocal leukoencephalopathy (PML) and serious infections. Anonymized patient data were collected from infusion centers in Europe from December 2015 to July 2017. Adults receiving rituximab in the same centers were provided a self-administered survey. Outcomes included patterns of off-label rituximab use for nononcology indications, and evaluation of patients' receipt and knowledge of the PAC and its impact. Of 1012 patients in the retrospective chart review, 70.2% received rituximab for rheumatoid arthritis or granulomatosis with polyangiitis/microscopic polyangiitis, and 29.8% received rituximab off label. Among 524 survey participants, 32.8% reported receiving the PAC, 59.3% reported not receiving the PAC and 7.9% did not know whether they received the PAC. A total of 72.4% of patients reported that they were unaware that some patients receiving rituximab experience PML. A higher proportion of PAC recipients identified PML as a potential risk of rituximab than nonrecipients (37.8% vs 19.9%); 58.3% of PAC recipients had poor awareness of PML. Most PAC recipients (90.0%) and nonrecipients (85.5%) correctly answered that they should seek medical attention for infection symptoms. In conclusion, approximately 30% of patients received off-label rituximab. Most patients reported not receiving the PAC or having knowledge of PML but demonstrated understanding of the recommended action in the event of infection symptoms, regardless of PAC receipt.
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.
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 | 0,000 |
| 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 | 0,001 |
| 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 découle