How many people develop anti-drug antibodies to the biologic drug tildrakizumab, and what impact does this have on the effectiveness of their treatment
Notice bibliographique
Résumé
Biologics are powerful drugs used to treat a range of diseases including psoriasis. They can be very effective; however, the body's immune system, which normally fights off infection, can produce ‘anti‐drug antibodies’ (or ADAs) that see biologics as harmful ‘invaders’ and try to deactivate them. These antibodies may result in serious side effects and/or may reduce the effectiveness of the drug. The authors of this study, based in USA, Canada and Germany, evaluated anti‐drug antibodies in patients participating in three clinical trials of a biologic called tildrakizumab. In the three trials, patients were taking either 100mg or 200mg tildrakizumab. 1400 patients were studied from weeks 12 to 16 of the study, and 780 from weeks 52‐64. Three percent of patients on the 100mg dose developed anti‐drug antibodies. This led to an average reduction in clinical response (meaning the drug did not work so well) at week 52. However, the presence of antibodies was not associated with increased incidence of serious adverse effects (unwanted side effects). Results in patients on the 200mg dose were inconclusive. This drug in the 100mg dose has recently been approved for clinical use in Europe and USA. The authors noted that the incidence of antibodies was less than that observed with other types of biologic drugs. This summary relates to the study: Assessment of the effects of immunogenicity on the pharmacokinetics, efficacy and safety of tildrakizumab
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 | 0,000 |
| 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 ».