Incidence of Alemtuzumab-Induced Thyroid-Associated Orbitopathy: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
PURPOSE: Alemtuzumab is a monoclonal antibody that targets CD52 and is commonly used to treat multiple sclerosis. Thyroid dysfunction occurs in 20% to 30% of patients treated with alemtuzumab. This may lead to thyroid-associated orbitopathy (TAO), which can cause debilitating dry eye, diplopia, proptosis, ocular pain, and vision loss. This meta-analysis aims to quantify the incidence of alemtuzumab-induced TAO (AI-TAO) and to characterize its clinical features. METHODS: Studies were extracted from Cochrane, Embase (Ovid), Medline (Ovid), and additional gray literature. Using R version 4.4.1 on RStudio, the meta-analysis was conducted using the meta package. Depending on the level of heterogeneity, either a fixed-effects or random-effects model was used to pool the data. Funnel plots were used to assess publication bias. RESULTS: Meta-analysis of 1545 patients across 12 studies revealed that the incidence of alemtuzumab-induced Graves' disease was 25% (95% confidence interval [CI]: 11-46%) and AI-TAO was 6% (95% CI: 3-10%). Of the patients with established alemtuzumab-induced Graves' disease, 20% (95% CI: 12-30%) developed TAO. Pooled analysis of 8 studies (n = 556), revealed that the mean onset of AI-TAO was 37.38 months (95% CI: 28.90-46.76). In summary, 51/65 (78.5%) of TAO patients were managed conservatively, and 22/65 (33.9%) were managed surgically. Orbital decompression was required in only 5/65 (7.7%) patients. CONCLUSIONS: The incidence of AI-TAO is 6% which is less common than the estimated incidence of 20% to 30% of alemtuzumab-induced thyroid dysfunction. This finding emphasizes the need for patient counseling, baseline ophthalmic examination, and interdisciplinary follow-up for early detection and management of AI-TAO.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 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 ».