Tapering of biological treatment in autoinflammatory diseases: a scoping review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Biological treatment and treat-to-target approaches guide the achievement of inactive disease and clinical remission in Autoinflammatory Diseases (AID). However, there is limited evidence addressing optimal tapering strategies and/or discontinuation of biological treatment in AID. This study evaluates available evidence of tapering biological treatment and explores key factors for successful tapering. Methods A systematic literature search was conducted in Embase, MEDLINE, Cochrane Database of Systematic Reviews and Cochrane Central Register of Controlled Trials using the OVID platform (1990-08/2020). Bibliographic search of relevant reviews was also performed. Studies/case series (n ≥ 5) in AID patients aged ≤ 18 years with biological treatment providing information on tapering/treatment discontinuation were included. After quality assessment aggregated data were extracted and synthesized. Tapering strategies were explored. Results A total of 6035 records were identified. Four papers were deemed high quality, all focused on systemic juvenile idiopathic arthritis (sJIA) (1 open-label randomized trial, 2 prospective, 1 retrospective observational study). Biological treatment included anakinra (n = 2), canakinumab (n = 1) and tocilizumab (n = 1). Strategies in anakinra tapering included alternate-day regimen. Canakinumab tapering was performed randomized for dose reduction or interval prolongation, whereas tocilizumab was tapered by interval prolongation. Key factors identified included early start of biological treatment and sustained inactive disease. Conclusion Tapering of biological treatment after sustained inactive disease should be considered. Guidance for optimal strategies is limited. Future studies may leverage therapeutic drug monitoring in combination with pharmacometric modelling to further enhance personalized “taper-to-target” strategies respecting individual patients and diseases aspects.
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.
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 | 0,003 |
| 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) | 0,660 | 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 découle