Hepatitis B Core-Related Antigen Levels Predict Pegylated Interferon-α Therapy Response in HBeAg-Positive Chronic Hepatitis B
Notice bibliographique
Résumé
BACKGROUND: Serum hepatitis B core-related antigen (HBcrAg) levels reflect intrahepatic HBV replication activity. We aimed to study whether HBcrAg levels predict response to pegylated interferon (PEG-IFN) treatment in hepatitis B e antigen (HBeAg)-positive chronic hepatitis B (CHB) patients. METHODS: We studied HBcrAg levels in 222 HBeAg-positive patients treated with PEG-IFN with or without lamivudine for 52 weeks in a global randomized trial and compared kinetics across treatment arms and types of response. Optimal HBcrAg cutoffs for stopping therapy were compared to and combined with the currently recommended hepatitis B surface antigen (HBsAg)-based stopping-rules. RESULTS: Baseline HBcrAg levels could not discriminate between responders and non-responders (P=0.91). HBcrAg levels of patients responding to PEG-IFN therapy showed a more pronounced on-treatment decline (mean declines 3.4 versus 1.0 log U/ml; P<0.0001), which was sustained until the end of follow-up (mean declines week 78, 3.8 versus 1.0 log U/ml; P<0.0001). In the PEG-IFN monotherapy group, HBcrAg levels of >8.35 log U/ml at week 24 identified 19 patients (19%) of whom 1 (negative predicitve value [NPV]=95%) achieved a response. The performance of this HBcrAg-based stopping rule alone was not superior to the one based on HBsAg >20,000 IU/ml. Among patients with an HBsAg <20,000 (n=56), 9 (16%) had an HBcrAg >8.35, of whom 8 achieved no response (NPV 89%). CONCLUSIONS: HBeAg-positive CHB patients with a response to PEG-IFN therapy achieve a more pronounced HBcrAg decline. HBcrAg levels at week 24 of therapy could be used to identify non-responders in combination with the established HBsAg-based stopping-rules.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».