PB1334 Safety Profile of Efgartigimod from Clinical Trials in Participants with Immunoglobulin G-Mediated Autoimmune Diseases
Notice bibliographique
Résumé
Background: There is evidence that patients with Immune Thrombocytopenia (ITP) are at increased risk of thromboembolism (TE).The association between clinical and treatment -related factors with thrombosis remain controversial.Aims: To evaluate the incidence and risk factors for TE in patients with ITP and describe clinical outcomes.Methods: Retrospective cohort study (January 1, 2011 -October 30, 2022) of adult patients diagnosed with ITP from an Australian tertiary hospital.The incidence rates of thrombosis were calculated in terms of person-years of follow-up.Multi-adjusted cox-regression was used to estimate associations.Results: A total of 220 patients with 1365 person-years of follow-up since ITP diagnosis revealed 26 (11.8%) patients with a total of 37 TE events, 28 (75%) Venous TE (VTE) and 9 (25%) Arterial TE (ATE) (Table 1).The incidence rate of TE was 27.1 [6.6 (ATE) and 20.5 (VTE)] per 1000 person-years.Age (HR, 1.041, 95%CI, 1.020-1.063),secondary ITP (HR, 2.625, 95%CI, 1.196-5.761)and Thrombopoietin receptor agonist therapy (HR, 3.154, 95%CI, 1.451-6.857)were independently associated with TE (Table 2).Median age and time to first TE diagnosis was 57 years (IQR 41-74), and 20 months (IQR 3.3-50.8),respectively.Median platelet count at TE diagnosis was 144 .Eight of 9 ATE events were treated with anti-platelet agents, 26 of 28 (92.9%)VTE events were treated with anticoagulation.Seven (27%) patients experienced (Grade 1-2) bleeding with TE treatment.Recurrent TE occurred in 7 (27%) patients, 2 occurred while receiving TE therapy.Five (19%) died at last follow-up, 1 was due to VTE. Conclusion(s):Thromboembolism is prevalent and a clinically challenging problem in patients with chronic ITP.Our findings demonstrated that age, secondary ITP and TPO-RA were independent predictors of TE.Studies providing more comprehensive details of patient selection for specific ITP therapy and TE prevention are needed.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».