The evolving management algorithm for the patient with newly diagnosed cold agglutinin disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Cold agglutinin disease (CAD) is driven by IgM autoantibodies reactive at <37°C and able to fix complement. The activation of the classical complement pathway leads to C3-mediated extravascular hemolysis in the liver and to intravascular hemolytic crises in case of complement amplifying conditions. C3 positivity at direct Coombs test along with high titer agglutins are required for the diagnosis. Treatment is less standardized. AREAS COVERED: This review recapitulates CAD diagnosis and then focus on the evolving management of the disease. Both current approach and novel targeted drugs are discussed. Literature search was conducted in PubMed and Scopus from 2000 to 2024 using 'CAD' and 'autoimmune hemolytic anemia' as keywords. EXPERT OPINION: Rituximab represents the frontline approach in patients with symptomatic anemia or disabling cold-induced peripheral symptoms and is effective in 50-60% of cases. Refractory/relapsing patients are an unmet need and may now benefit from complement inhibitors, particularly the anti-C1s sutimlimab, effective in controlling hemolysis thus improving anemia in >80% of patients, but not active on cold-induced peripheral symptoms. Novel drugs include long-acting complement inhibitors, plasma cells, and B-cell targeting agents (proteasome inhibitors, anti-CD38, BTKi, PI3Ki, anti-BAFF). Combination therapy may be the future answer to CAD unmet needs.
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.
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) | 0,000 | 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 | 0,000 |
| 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 découle