Current treatment in macrophage activation syndrome worldwide: a systematic literature review to inform the METAPHOR project
Notice bibliographique
Résumé
OBJECTIVE: To assess current treatment in macrophage activation syndrome (MAS) worldwide and to highlight any areas of major heterogeneity of practice. METHODS: A systematic literature search was performed in both EMBASE and PubMed databases. Paper screening was done by two independent teams based on agreed criteria. Data extraction was standardized following the PICO framework. A panel of experts assessed paper validity, using the Joanna Briggs Institute appraisal tools and category of evidence (CoE) according to EULAR procedure. RESULTS: Fifty-seven papers were finally included (80% retrospective case-series), describing 1148 patients with MAS: 889 systemic juvenile idiopathic arthritis (sJIA), 137 systemic lupus erythematosus (SLE), 69 Kawasaki disease (KD) and 53 other rheumatological conditions. Fourteen and 11 studies specified data on MAS associated to SLE and KD, respectively. All papers mentioned glucocorticoids (GCs), mostly methylprednisolone and prednisolone (90%); dexamethasone was used in 7% of patients. Ciclosporin was reported in a wide range of patients according to different cohorts. Anakinra was used in 179 MAS patients, with a favourable outcome in 83% of sJIA-MAS. Etoposide was described by 11 studies, mainly as part of HLH-94/04 protocol. Emapalumab was the only medication tested in a clinical trial in 14 sJIA-MAS, with 93% of MAS remission. Ruxolitinib was the most reported Janus kinase inhibitor in MAS. CONCLUSION: High-dose GCs together with IL-1 and IFNγ inhibitors have shown efficacy in MAS, especially in sJIA-associated MAS. However, the global level of evidence on MAS treatment, especially in other conditions, is still poor and requires standardized studies to be confirmed.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,001 |
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 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 ».