Use of subcutaneous tocilizumab to prepare intravenous solutions for COVID-19 emergency shortage: Comparative analytical study of physicochemical quality attributes
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
COVID-19, a disease caused by the novel coronavirus SARS-CoV-2, has produced a serious emergency for global public health, placing enormous stress on national health systems in many countries. Several studies suggest that cytokine storms (interleukins) may play an important role in severe cases of COVID-19. Neutralizing key inflammatory factors in cytokine release syndrome (CRS) could therefore be of great value in reducing the mortality rate. Tocilizumab (TCZ) in its intravenous (IV) form of administration -RoActemra® 20 mg/mL (Roche)-is indicated for treatment of severe CRS patients. Preliminary investigations have concluded that inhibition of IL-6 with TCZ appears to be efficacious and safe, with several ongoing clinical trials. This has led to a huge increase in demand for IV TCZ for treating severe COVID-19 patients in hospitals, which has resulted in drug shortages. Here, we present a comparability study assessing the main critical physicochemical attributes of TCZ solutions used for infusion, at 6 mg/mL and 4 mg/mL, prepared from RoActemra® 20 mg/mL (IV form) and from RoActemra® 162 mg (0.9 mL solution pre-filled syringe, subcutaneous(SC) form), to evaluate the use of the latter for preparing clinical solutions required for IV administration, so that in a situation of shortage of the IV medicine, the SC form could be used to prepare the solutions for IV delivery of TCZ. It is important to remember that during the current pandemic all the medicines are used off-label, since none of them has yet been approved for the treatment of COVID-19.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,003 | 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