Aging in Granulomatosis with Polyangiitis and Microscopic Polyangiitis: From Pathophysiology to Clinical Management
Notice bibliographique
Résumé
Antineutrophil cytoplasmic antibody (ANCA)-associated vasculitides (AAV) predominantly affect individuals aged 55-75 years, with granulomatosis with polyangiitis (GPA) being diagnosed most often between 55 and 65 years and microscopic polyangiitis (MPA) between 65 and 75 years. Owing to the general increase in life expectancy, the average age at diagnosis increases, encompassing also those over 75 years old. Unfortunately, the exclusion of these older patients from many clinical trials has limited our understanding of the progression of these diseases in older subjects. The role of immunosenescence and aging in AAV pathogenesis and progression is underexplored, despite potential implications in the understanding of the disease, and potentially for disease management. Although AAV manifestations are largely consistent across age groups, certain features, such as renal involvement and the association with interstitial lung disease, may be more prevalent in older patients. Frailty must be a key consideration in therapeutic decision-making, especially when balancing the efficacy of immunosuppressants with potential side effects. Recent evidence supports the use of rituximab in addition to low-dose glucocorticoids for remission induction in life- or organ-threatening AAV, including in older populations. Furthermore, preliminary evidence supports that avacopan might be as efficient as glucocorticoids in these patients. The immunosuppressive treatment of AAV reduces the immune response to environmental pathogens, with rituximab worsening age-related hypogammaglobulinemia. Thus, prophylactic measures, including vaccination and Pneumocystis pneumonia prevention, as well as strategies to mitigate glucocorticoid side effects, should be implemented in AAV management.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».