MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385631697 · doi:10.1136/lupus-2023-kcr.124

LSO-083 ‘Systemic lupus erythematosus women with lupus nephritis in pregnancy therapeutic challenge (SWITCH)’: the systemic lupus international collaborating clinics experience

2023· article· en· W4385631697 sur OpenAlexaff
Joo‐Young Lee, Arielle Mendel, Anca Askanase, Sang‐Cheol Bae, Jill P. Buyon, Ann E. Clarke, N. Costedoat‐Chalumeau, Paul R. Fortin, Dafna D. Gladman, Rosalind Ramsey‐Goldman, John G. Hanly, Murat İnanç, David Isenberg, Anselm Mak, Marta Mosca, Michelle Petri, Anisur Rahman, Jorge Sánchez‐Guerrero, Murray B. Urowitz, Daniel J. Wallace, Sasha Bernatsky, Évelyne Vinet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiquePregnancy and Medication Impact
Établissements canadiensMount Sinai HospitalDalhousie UniversityUniversity of TorontoUniversity Health NetworkQueen Elizabeth II Health Sciences CentreUniversité LavalToronto Western HospitalCentre hospitalier universitaire de QuébecUniversity of CalgaryMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineLupus nephritisPregnancyAzathioprineThiopurine methyltransferaseTacrolimusSystemic lupus erythematosusLive birthInternal medicineTransplantationDisease

Résumé

récupéré en direct d'OpenAlex

Background Many SLE patients develop lupus nephritis (LN) and receive mycophenolate mofetil (MMF), a teratogenic drug. Guidelines recommend azathioprine (AZA) in SLE pregnancy without providing guidance on pharmacogenetic testing and therapeutic monitoring although these may help personalize therapy (e.g., identifying ‘shunters’, non-adherence). We evaluated practice patterns pertaining to SLE women with LN in preconception and gestational periods, focusing on pharmacogenetic testing and drug monitoring. Methods In 02/2022, we distributed an electronic survey to 39 Systemic Lupus International Collaborating Clinics (SLICC) members. Physicians were queried about number of LN patients seen for pregnancy planning, wait time physicians recommend preconception after renal response, choice of pregnancy-compatible immunosuppressive when switching from MMF, pharmacogenetic testing before AZA initiation, and therapeutic monitoring. Results Response rate was 74%. On average, respondents saw 7.2 (standard deviation 6.6) LN patients in the preceding year for pre-pregnancy counselling. Most (93%) recommended waiting for a minimal time after achieving renal response on MMF before transitioning to a pregnancy-compatible immunosuppressive (19% suggested ≤ 6 months, 44% 6–11 months, 30% 12–23 months). In patients with inactive LN for ≥ 2 years, 86% switched immunosuppressives, while 14% discontinued MMF without switching. First choice of pregnancy-compatible immunosuppressive was AZA (90%). Tacrolimus (TAC) was preferred over cyclosporine (CsA) by 96% as second option. When initiating AZA, 38% never assessed thiopurine methyltransferase (TPMT) genotype and/or phenotype and 97% never tested for nudix hydrolase 15 (NUDT15) gene. When switching MMF to AZA preconception, 14% measured 6-mercaptopurine (6-MP) levels. Most (56%) faced barriers to 6-MP testing related to access, cost, and wait times. When patients were on TAC or CsA, 48% monitored drug each trimester, while 44% never did. Conclusions There is low use of pharmacogenetic testing and therapeutic monitoring when transitioning MMF to a pregnancy-compatible drug preconception. We identified potential care gaps, which could be addressed by future pragmatic trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,310
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPregnancy and Medication Impact→Travaux en français237 207→