Immunoglobulin treatment and clinical outcomes: data from the Ontario Immunoglobulin Treatment program multicenter case registry
Notice bibliographique
Résumé
Background: The therapeutic use of immunoglobulin (IG) is increasing and accounts for the largest expenditure in the Canadian Blood Services budget. However, more granular data on IG utilization is limited. Objective: To describe IG treatment indications, dosing characteristics, and clinical outcomes in patients enrolled in the Ontario IG Treatment (ONIT) program, a government-funded pilot clinical program with a case registry. Methods: A longitudinal descriptive study was conducted on ONIT registry participants from June 1, 2020 to March 31, 2024. Results: Six hundred ninety-three consenting participants were included; 429 (61.9%) were female; median [Q1, Q3] age was 62 [47, 71] years; 47 (6.8%) passed away during the study period. Of 693, 658 (94.9%) were receiving IG treatment: 544 (82.7%) on SCIG and 114 (17.3%) on IVIG. Treatment indications were primary immune deficiency (PID) (299, 43.1%), secondary immune deficiency (SID) (348, 50.2%), and immune-mediated disease (IMD) (46, 6.7%). The median dose was 0.48 [0.42, 0.57] and 0.52 [0.44, 0.64] g/kg/4 weeks, for SCIG and IVIG, respectively. Seventy-three patients transitioned from IVIG to SCIG, with the dose adjusted to clinical response. The IVIG:SCIG conversion ratios were 1:1, 1:0.9, and 1:1.2 for PID, SID, and IMD, respectively. Only 33 (5.0%) stopped IG during the study. There was a 78.4% reduction in infections and over 90% reduction in emergency room visits and hospitalizations in PID and SID. Most patients (89.4%) reported improved health after starting IG therapy. Conclusion: The study provides insights into the current landscape of IG utilization, which may inform health system research and support healthcare delivery planning.
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) | 0,001 | 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 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 ».