Immunomodulatory treatment of interstitial lung disease
Notice bibliographique
Résumé
Interstitial lung diseases (ILDs) other than idiopathic pulmonary fibrosis (IPF) have an array of immunomodulatory treatment options compared with IPF, due to their inflammatory component. However, there is a relative paucity of guidance on the management of this heterogeneous group of diseases. In ILDs other than IPF, immunosuppression is the cornerstone of therapy, with varying levels of evidence for different immunomodulatory agents and for each specific ILD. Classification of ILDs is important for guiding treatment decisions. Immunomodulatory agents mainly include corticosteroids, mycophenolate mofetil (MMF), azathioprine, methotrexate, cyclophosphamide and rituximab. In this review, the available evidence for single agents in the most common ILDs is first discussed. We then reviewed practical therapeutic approaches in connective tissue disease–related ILD and interstitial pneumonia with autoimmune features, scleroderma-related ILD, vasculitis and dermatomyositis with hypoxemic respiratory failure, idiopathic non-specific interstitial pneumonia, hypersensitivity pneumonitis sarcoidosis, fibrosing organizing pneumonia and eosinophilic pneumonia. The treatment of acute exacerbations of ILD is also discussed. Therapy augmentation in ILD is dictated by the recognition of progression of disease. Criteria for the evaluation of progression of disease are then discussed. Finally, specific protocol and measures to increase patients’ safety are reviewed as well, including general monitoring and serologic surveillance, Pneumocystis jirovecii prophylaxis, patients’ education, genetic testing for azathioprine, MMF serum levels and cyclophosphamide administration protocols. Immunomodulatory therapies are largely successful in the management of ILDs and can be safely managed with the application of specific protocols, precautions and monitoring.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».