Immunosuppressive Therapies for the Induction Treatment of Proliferative Lupus Nephritis: A Systematic Review and Network Metaanalysis
Notice bibliographique
Résumé
OBJECTIVE: To evaluate and determine the most effective immunosuppressive therapy for the induction treatment of proliferative lupus nephritis (PLN) based on renal remission. METHODS: A systematic review of randomized controlled trials was conducted. The outcomes were renal remission at 6 months: (1) normalization of serum creatinine [(sCr), or within 15% of the normal range, i.e., sCr < 132 µmol/l - creatinine remission]; and (2) proteinuric remission (prU < 0.5 g/day/1.73m(2)). A Bayesian network metaanalysis was used. RESULTS: The OR (95% credible interval) of inducing an sCr remission at 6 months was 1.70 (0.51, 6.87) for mycophenolate mofetil (MMF) versus cyclophosphamide (CYC); 2.16 (0.38, 13.36) for tacrolimus (Tac) versus CYC; and 1.25 (0.13, 10.51) for Tac versus MMF. For proteinuric remission the OR was 1.46 (0.81, 3.04) for MMF versus CYC; 1.96 (0.80, 5.11) for Tac versus CYC; and 1.34 (0.43, 3.90) for Tac versus MMF. The probability (95% credible interval) of inducing a creatinine remission at 6 months was Tac 56% (19%, 88%); MMF 51% (23%, 79%); and CYC 37% (28%, 47%). The probability of inducing a proteinuric remission was Tac 41% (23%, 63%); MMF 34% (23%, 50%); CYC 26% (20%, 32%); azathioprine 10% (1%, 55%); prednisone 11% (2%, 38%). None of the results were conclusive when examined in a sensitivity analysis. CONCLUSION: There is currently insufficient evidence to determine which of these immunosuppressive agents is superior. The probability of renal remission is 50% or lower at 6 months.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,030 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».