Immunosuppressive Therapies for Diffuse Systemic Sclerosis: A Scoping Review
Notice bibliographique
Résumé
Objectives Systemic sclerosis (SSc) is a progressive autoimmune disease characterized by significant multi-organ damage. Its intricate pathophysiology involves various immune pathways, including the activation of B-cells, which are thought to play a crucial role in disease progression by driving fibrosis and causing vascular damage.[1] Historically, treatment options were limited; however, a larger range of treatments targeting the immune system have been tested over the last decade, including CAR-T therapy,[2] a treatment modality that Ottawa is working toward in collaboration with the CLIC pan-Canadian CAR-T network.[3] We conducted a scoping review to summarize trends of immunosuppressive therapies used for SSc treatment, particularly relating to skin and lung involvement. Methods A scoping review was conducted in adherence to the PRISMA-ScR methodology. We searched 3 databases (MEDLINE, EMBASE, Cochrane Central) for studies published from January 2004 to January 2024. Titles and abstracts, then full-text articles were screened, focusing on skin and lung function outcomes in SSc. Results A total of 3891 abstracts were screened, resulting in the inclusion of 294 studies −149 abstracts and 145 full-text articles (Figure 1). Overall, 41 unique therapies studied were identified. The 10 most commonly studied treatments were: rituximab (n=84, 20.6%), cyclophosphamide (n=77, 18.9%), mycophenolate mofetil (n=52, 12.8%), autologous hematopoietic stem cell transplantation (autoHSCT) (n=29, 7.1%), tocilizumab (n=23, 5.7%), glucocorticoids (n=23, 5.7%), azathioprine (n=19, 4.7%), methotrexate (n=14, 3.4%), imatinib (n=14, 3.4%), and nintedanib (n=10, 2.5%). The peak number of studies pertaining to cyclophosphamide (28.9%) and mycophenolate mofetil (17.4%) treatments occurred in 2014-2018. However, from 2019-2024, studies of rituximab (27.2%) and autoHSCT (11.3%) became more prevalent. Figure 1. Immunosuppressive therapies for Systemic Sclerosis, with skin and/or lung involvement, studied between 2004–2024. Conclusion Over the past 2 decades, SSc treatment has progressed significantly, shifting between immunosuppressive agents and autoHSCT. These advancements highlight the evolving landscape of SSc management and emphasize the need for innovative approaches, including advanced cellular therapies such as CAR-T-based treatments. [1.] Thoreau B. Role of B-cell in the pathogenesis of systemic sclerosis. Frontiers in Immunology 2022;13:933468. [2.] Bergmann C. Annals of the Rheumatic Diseases 2023;82(8):1117-20. [3.] Kekre N. Frontiers in immunology 2022;13:1074740.
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 | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,018 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».