ENCOURAGE研究: 病情中度活动RA获得深度缓解后有望实现停药
标签: 类风湿关节炎; TNF拮抗剂;
维持期减停
病情中度活动的RA患者在获得深度缓解后有望实现停用生物制剂
电邮发布日期: 2016年2月3日
病情中度活动的类风湿关节炎(RA)患者通过传统DMARDs实现临床缓解的成功率不高。虽然生物制剂大大提高了RA缓解率,
但对中疾病活动度患者的用药关注度仍旧很少。基于经济因素及长期安全性不确定的考虑,
生物制剂减停策略的研究渐行渐热。RA治疗理念正从追逐临床缓解而转向关注缓解之后的后续治疗。2013年,
首个针对中度活动性RA诱导缓解之后如何优化生物制剂的随机双盲安慰剂对照研究——PRESERVE的研究成果在《柳叶刀》发表。无独有偶,
近期《现代风湿病学》发表了日韩学者联合进行的一项代号为ENCOURAGE的临床试验的两年数据(Yamanaka H, et al. Mod Rheumatol. 2015 Dec 23:1-11.
提前在线发布), 该研究也同样聚焦中度疾病活动度RA患者, 探讨该类人群的用药策略。该研究证实, 达到深度缓解后,
生物制剂的停药缓解率较PRESERVE研究有大幅度提高。笔者将ENCOURAGE研究的重要信息编译如下。
ENCOURAGE是一项随机、多中心、开放标签、前瞻性研究。入组条件包括:
病程<5年, 符合1987年分类标准,
病情中度活动(3.2≤DAS28≤5.1)。所有患者入组前均接受至少3个月的传统DMARD治疗, 但疗效不佳。
试验方案图1所示, 试验分为2阶段。第一阶段,
将符合入排标准的222例患者按照1:4的比例随机分配到MTX组(n=30)或依那西普(ETN)+MTX组(n=161)治疗12个月。MTX组的MTX剂量≥6mg/周,
该组患者可以增加MTX剂量, 也可以联用其它DAMRD。第二阶段,
依那西普+MTX组获得持续缓解(定义为第6和第12个月的DAS28<2.6)的99例患者,
随机分为继续(n=33)或停止(n=34)依那西普治疗12个月(图1)。在第二阶段,
依那西普停药组患者如遇以下任一种情形均可重启依那西普治疗, (1)DAS28≥3.2, (2)患者希望接受依那西普治疗,
(3)医生认为有必要。
|
图1.
※: 允许MTX治疗3个月但疗效不佳的患者随时转换为ETN+MTX。 †: 如遇病情复发或病人要求或医生认为有必要, 可以重启ETN治疗。 |
第一阶段的主要研究终点为52周达到缓解的患者比例,
包括3个重要缓解即临床缓解(SDAI、CDAI)、关节结构缓解(Sharp总评分变化≤0.5/年)、躯体功能缓解(HAQ<0.5)。结果如图2所示。在24周及52周,
依那西普+MTX组临床缓解及躯体功能缓解显著高于MTX组。52周时,
MTX/MTX+csDMARDs组的骨侵蚀、关节间隙狭窄评分及Sharp总评分分别为1.7±2.7、0.7±2.9以及2.4±4.3
(均数±标准差),
依那西普+MTX组分别为0.2±1.6、0.9±2.5以及1.1±3.3(均数±标准差)。依那西普+MTX组对骨侵蚀的抑制显著优于MTX组。
|
图2.
|
第二阶段的主要研究终点为第2个1年观察期内维持缓解的患者比例,
缓解定义参照第一阶段。90.9%的继续接受依那西普治疗的患者完成第2个1年期观察,
58.8%的停药组患者完成观察。结果如图3所示。
|
图3.
|
全分析集(FAS)中, 与停用依那西普相比,
依那西普继续治疗1年能维持较高的临床率, DAS28缓解率为87.5% vs 53.6%, SDAI缓解率为81.3% vs
46.4%(DAS28和SDAI缓解率的组间差异均达到统计学显著), 但CDAI缓解率未达到统计学显著差异(75% vs
50%)。符合方案集(PPS)分析显示依那西普治疗组的DAS28缓解率也高于停药组(89.7% vs
70%)但未达统计学显著差异。53.8%的停药组患者可维持1年的临床缓解。
全分析集(FAS)中,
依那西普停药组与继续用药组的放射学缓解率(Sharp总评分变化≤0.5/年)均很高(82.6% vs 89.7%),
符合方案集的结果也相似(94.4% vs 89.3%), 均无统计学显著差异。
24周时, 依那西普继续治疗组的躯体功能缓解率显著高于停药组,
但符合方案集未发现显著差异。52周时, 两组的躯体功能缓解率无显著差异。
本研究还分析了影响依那西普停药维持缓解的因素,
结果发现基线疾病活动度低、共患病均影响依那西普停药缓解。
前述PRESERVE研究发现生物制剂停药1年时低疾病活动度(LDA)维持比例仅为29.4%。ENCOURAGE研究的结果显示半数患者可实现生物制剂停药缓解。出现这种情况,
研究者做了以下解释, PRESERVE研究患者病程较长(平均病程6.9年),
进入维持期观察的入组条件是1个随访点判定DAS28<3.2, 本研究患者病程较短(平均2年),
在6个月及12个月同时达到缓解的患者才进行维持期治疗, 此时患者已达到"深度缓解",
所以本研究的生物制剂停药成功率更高。
ENCOURAGE研究: 病情中度活动RA获得深度缓解后有望实现停药的更多相关文章
- Dynamics 365中自定义工作流活动更新了输入输出参数后获取的方法
关注本人微信和易信公众号: 微软动态CRM专家罗勇 ,回复245或者20170309可方便获取本文,同时可以在第一间得到我发布的最新的博文信息,follow me!我的网站是 www.luoyong. ...
- js setTimeout深度递归后完成回调
setTimout原型: iTimerID = window.setTimeout(vCode, iMilliSeconds [, sLanguage]) setTimeout有两种形式 se ...
- Delphi主消息循环研究(Application.Run和Application.Initialize执行后的情况)
Application.Initialize; Application.CreateForm(TForm1, Form1); Application.Run; 第一步,貌似什么都不做,但如果提前定义I ...
- 深度学习结合SLAM研究总结
博客转载自:https://blog.csdn.net/u010821666/article/details/78793225 原文标题:深度学习结合SLAM的研究思路/成果整理之 1. 深度学习跟S ...
- paper 53 :深度学习(转载)
转载来源:http://blog.csdn.net/fengbingchun/article/details/50087005 这篇文章主要是为了对深度学习(DeepLearning)有个初步了解,算 ...
- Nature重磅:Hinton、LeCun、Bengio三巨头权威科普深度学习
http://wallstreetcn.com/node/248376 借助深度学习,多处理层组成的计算模型可通过多层抽象来学习数据表征( representations).这些方法显著推动了语音识别 ...
- 深度学习中的Normalization模型
Batch Normalization(简称 BN)自从提出之后,因为效果特别好,很快被作为深度学习的标准工具应用在了各种场合.BN 大法虽然好,但是也存在一些局限和问题,诸如当 BatchSize ...
- [优化]深度学习中的 Normalization 模型
来源:https://www.chainnews.com/articles/504060702149.htm 机器之心专栏 作者:张俊林 Batch Normalization (简称 BN)自从提出 ...
- (转)Deep Learning深度学习相关入门文章汇摘
from:http://farmingyard.diandian.com/post/2013-04-07/40049536511 来源:十一城 http://elevencitys.com/?p=18 ...
- 深度学习综述(LeCun、Bengio和Hinton)
原文摘要:深度学习可以让那些拥有多个处理层的计算模型来学习具有多层次抽象的数据的表示.这些方法在很多方面都带来了显著的改善,包含最先进的语音识别.视觉对象识别.对象检測和很多其他领域,比如药物发现和基 ...
随机推荐
- Pod控制器详解
Pod控制器详解 7.1 Pod控制器介绍 Pod是kubernetes的最小管理单元,在kubernetes中,按照pod的创建方式可以将其分为两类: 自主式pod:kubernetes直接创建出来 ...
- 有来实验室|第一篇:Seata1.5.2版本部署和开源全栈商城订单支付业务实战
在线体验:Seata实验室 一. 前言 相信 youlai-mall 的实验室大家有曾在项目中见到过,但应该都还处于陌生的阶段,毕竟在此之前实验室多是以概念般的形式存在,所以我想借着此次的机会,对其进 ...
- java并发数据结构之CopyOnWriteArrayList
CopyOnWriteArrayList是一个线程安全的List实现,其在对对象进行读操作时,由于对象没有发生改变,因此不需要加锁,反之在对象进行增删等修改操作时,它会先复制一个对象副本,然后对副本进 ...
- HBX更新后无法打包
HBX更新到3.2.2.20210818后H5打包增加了校验 HBuilder X - Release Notes ====================================== 3.2 ...
- L1-064 估值一亿的AI核心代码 (20分)
L1-064 估值一亿的AI核心代码 (20分) 以上图片来自新浪微博. 本题要求你实现一个稍微更值钱一点的 AI 英文问答程序,规则是: 无论用户说什么,首先把对方说的话在一行中原样打印出来: 消除 ...
- ARC145~152 题解
比赛标号从大到小排列 . 因为博主比较菜所以没有题解的题都是博主不会做的 /youl ARC144 以前的比赛懒得写了 . 目录 AtCoder Regular Contest 152 B. Pass ...
- 异常处理语法结构、yield生成器及其表达式
今日内容回顾 目录 今日内容回顾 异常处理语法结构 异常处理实战应用 生成器对象 自定义range功能 yield冷门用法 yield与return对比 生成器表达式 笔试题 异常处理语法结构 异常处 ...
- YonBuilder移动开发平台功能大盘点
YonBuilder是面向企业组织和个人开发者的低代码开发平台,实现无代码.低代码.专业代码开发三种模式.提供元数据驱动和画布构建两种开发方式,通过点击拖拽+自动化代码生成和移动多端编译的技术,与开放 ...
- 一个sql和C#代码结合的分组求和的查询
业务描述: 业务主表(tab_main 主键 id), 供应商名称(supplier), 金额(amount 需要统计求和),还有分类( 有单独的表categoryid),集中采购标记字段(tend ...
- 官网下载CentOS系统镜像过程
想学习CentOS系统,但是不知道镜像去哪里搞,随便去个第三方发现要么要注册,要么各种广告病毒,或者好不容易找到官网,不仅全英文,有些专业术语也不懂,本文说明官网下载自己想要的CentOS镜像整个流程 ...
