Effects of on‐treatment ALT flares on serum HBsAg and HBV RNA in patients with chronic HBV infection
Notice bibliographique
Résumé
Abstract As pegylated interferon alpha (PEG‐IFN‐α) is increasingly used in combination regimens of novel drugs, we aimed to characterize ALT flares and their relationship with serum HBsAg and HBV RNA kinetics in a large combined cohort of chronic hepatitis B (CHB) patients on PEG‐IFN‐α‐based therapy. In this post hoc analysis of four international randomized trials, 269/130/124/128 patients on PEG‐IFN‐α monotherapy, PEG‐IFN‐α plus nucleos(t)ide analogue (NA) de novo combination, PEG‐IFN‐α add‐on to NA or NA monotherapy were included, respectively. A flare was defined as an episode of ALT ≥5 × ULN. The association between flares and HBsAg and HBV RNA changes were examined. On‐treatment flares occurred in 83/651 (13%) patients (median timing/magnitude: week 8 [IQR 4–12], 7.6 × ULN [IQR 6.2–10.5]). Flare patients were more often Caucasians with genotype A/D and had higher baseline ALT, HBV DNA, HBV RNA and HBsAg levels than the no‐flare group. More flares were observed on PEG‐IFN‐α monotherapy (18%) and PEG‐IFN+NA de novo combination (24%) vs. PEG‐IFN‐α add‐on (2%) or NA monotherapy (1%) ( p < .001). On‐treatment flares were significantly and independently associated with HBsAg and HBV RNA decline ≥1 log 10 at the final visit declines started shortly before the flare, progressing towards 24 weeks thereafter. On‐treatment flares were seen in 16/22 (73%) patients who achieved HBsAg loss. In conclusion, ALT flares during PEG‐IFN‐α treatment are associated with subsequent HBsAg and HBV RNA decline and predict subsequent HBsAg loss. Flares rarely occurred during PEG‐IFN‐α add‐on therapy and associated with low HBsAg loss rates. Combination regimens targeting the window of heightened response could be promising.
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 | 0,000 | 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 ».