Systematic literature review informing the 2022 EULAR recommendations for screening and prophylaxis of chronic and opportunistic infections in adults with autoimmune inflammatory rheumatic diseases
Notice bibliographique
Résumé
Objective To conduct a systematic literature review (SLR) on the screening and prophylaxis of opportunistic and chronic infections in autoimmune inflammatory rheumatic diseases (AIIRD). Methods SLR (inception-12/2021) based on the following search domains: (1) infectious agents, (2) AIIRD, (3) immunosuppressives/immunomodulators used in rheumatology, (4) screening terms and (5) prophylaxis terms. Articles were retrieved having the terms from (1) AND (2) AND (3) plus terms from (4) OR(5). Databases searched: PubMed, Embase and Cochrane Library. Exclusion criteria: studies on postoperative infections, paediatric AIIRD, COVID-19, vaccinations and non-Εnglish literature. Study quality was assessed with Newcastle-Ottawa scale for non-randomised controlled trials (RCTs), RoB-Cochrane for RCTs, AMSTAR2 for SLRs. Results From 5641 studies were retrieved, 568 full-text articles were assessed for eligibility, with 194 articles finally included. For tuberculosis, tuberculin skin test (TST) is affected by treatment with glucocorticoids and conventional synthetic disease modifying anti-rheumatic drugs (DMARDs) and its performance is inferior to interferon gamma release assay (IGRA). Agreement between TST and IGRA is moderate to low. For hepatitis B virus (HBV): risk of reactivation is increased in patients positive for hepatitis B surface antigen. Anti-HBcore positive patients are at low risk for reactivation but should be monitored periodically with liver function tests and/or HBV-viral load. Risk for Hepatitis C reactivation is existing but low in patients treated with biological DMARDs. For Pneumocystis jirovecii, prophylaxis treatment should be considered in patients treated with prednisolone ≥15–30 mg/day for >2–4 weeks. Conclusions Different screening and prophylaxis approaches are described in the literature, partly determined by individual patient and disease characteristics.
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 | 0,051 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,013 |
| Bibliométrie | 0,032 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».