Hepatotoxicity and tuberculosis treatment outcomes in chronic liver disease
Notice bibliographique
Résumé
Background: The treatment of tuberculosis (TB) is known to cause liver injury, however, there is limited data to guide optimal treatment for patients with chronic liver disease. Methods: We undertook a retrospective case series of patients with chronic liver disease and TB disease. The primary objective was to determine if there was a difference in the incidence of drug-induced liver injury (DILI) in patients with cirrhosis versus those with chronic hepatitis. Additionally, we sought to compare TB treatment outcomes, type and duration of therapy, and incidence of adverse events. Results: We included 56 patients (chronic hepatitis 40; cirrhosis 16). There were 33 patients (58.9%) who experienced DILI requiring treatment modification, with no significant difference between groups (65% versus 43.8%, p = 0.23). Patients with chronic hepatitis were more likely to receive treatment with standard first-line intensive phase therapy that included a combination of rifampin (RIF), isoniazid, and pyrazinamide (80.8% versus 19.2%, p = 0.03) and any regimen than included isoniazid (92.5% versus 68.8%, p = 0.04). The risk of DILI was higher when more hepatotoxic TB medications were used. Overall treatment success in this cohort was low (55.4%), with no significant difference between groups (62.5% versus 37.5%, p = 0.14). Most patients with treatment success (97%) were able to tolerate a rifamycin. Conclusions: The risk of DILI is high, especially with the use of isoniazid, in patients with TB and chronic liver disease. This risk can be effectively mitigated with no difference in treatment outcomes in the presence of cirrhosis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».