风湿性疾病, 药物和新冠指南

原文网址:

https://rheumnow.com/news/rheumatic-diseases-drugs-and-covid-19-guidelines

Aug 13, 2020 10:28 am

最近, 多家刊物聚焦于感染新冠(SARs-CoV-2)的风湿性疾病(RDD)和自身免疫性疾病患者的风险和结局。这些观察性研究均接踵于全球风湿联盟(Global Rheumatology Alliance)的一篇原创,该研究显示,在600例RDD患者中,使用DMARDs或生物制剂不会影响新冠感染者住院风险,但使用糖皮质激素的新冠住院风险高两倍,而TNFi应用者则风险降低60%(PMID: 32471903)。以下是最近论文的摘要和节录,这些论文也探讨了RDD患者的COVID风险和结局。(由此产生的)问题是--我们是否需要更新或修改当前的ACR和风湿病指南?

现患风湿病患者中新冠病情严重度的决定因素 (PMID: 32720259) - 西班牙一项对3711例住院新冠患者进行的前瞻性观察性研究, 其中38例(10%)患有风湿性或肌肉骨骼疾病。结果表明,炎症和新冠活动度的标记物(CRP, D-Dimer, LDH, 铁蛋白)与新冠严重度和死亡率有关, RDD活动度可能也相关, 而DMARDs和生物制剂与较差结局无相关性。

炎性关节炎患者的新冠感染 (PMID: 32725762)- 期刊A&R报告了有新冠感染症状的103例炎性关节炎患者, 26例住院,4人死亡。 那些口服糖皮质激素患者接受住院治疗的可能性更高(P <0.001),而那些用抗细胞因子的生物制剂治疗者则没有。

自身免疫性炎症性风湿病(AIRD)患者的新冠住院风险 (PMID: 32769150)- 对123例感染新冠的AIRD患者进行的一项观察性研究, 54例(44%)需要住院, 12例死亡(22%)。 年龄较大(OR:1.08; p = 0.00)和AIRD(OR:3.55; p = 0.01)是住院的高危因素,而应用DMARDs药物不是住院的风险因素。

接受免疫调节治疗患者中的新冠感染 (PMID: 32759259)- Winthrop等人的报告描述了针对传染病医生的调查,其中38名医生对超过2500例患者进行新冠筛查,有77(3%)例正在应用免疫调节药治疗RA(19,24.7%)、溃疡性结肠炎(5, 6.5%)和结节病(5,6.5%)。 在新冠确诊时,有31例(40%)正在使用生物疗法, 包括TNFi(n = 16)、利妥昔单抗(n = 6)、阿巴西普(n = 2)、托珠单抗(n = 2)和其它(n = 5)。 在基线时使用非生物制剂的46例患者(60%)中,使用了以下疗法:JAK抑制剂(3,6.5%),DMARDs(11,24%)和泼尼松(5,11%) 。 总体而言,有82%的患者住院,12%的患者死亡。 有趣的是,他们在使用TNFi或JAK抑制剂的小样本队列中未发现死亡病例。

与那些携有已知风险因素(例如年龄、心血管疾病、糖尿病)的新冠感染者不同,那些患有“活动性” RDD或AIRD的患者若感染新冠则结局糟糕,更多住院、疾病更严重,甚至死亡。 除外糖皮质激素,我们用于治疗AIRD和RDD的疗法不会使预后恶化,并且, TNF抑制剂、阿那白滞素,可能还有托珠单抗或JAK抑制剂,可能是保护性的。 我们应更新有关新冠管理的风湿病指南,以免在感染新冠的患者中反射性地停用DMARDs或生物制剂。

DrCush_0813_风湿性疾病, 药物和新冠指南的更多相关文章

  1. Python小白的数学建模课-A3.12 个新冠疫情数模竞赛赛题与点评

    新冠疫情深刻和全面地影响着社会和生活,已经成为数学建模竞赛的背景帝. 本文收集了与新冠疫情相关的的数学建模竞赛赛题,供大家参考,欢迎收藏关注. 『Python小白的数学建模课 @ Youcans』带你 ...

  2. 数据、人工智能和传感器按COVID-19新冠流感排列

    数据.人工智能和传感器按COVID-19新冠流感排列 Data, AI and sensors arrayed against COVID-19 各国政府.卫生保健专业人士和工业界争先恐后地应对Cov ...

  3. PGL图学习之项目实践(UniMP算法实现论文节点分类、新冠疫苗项目实战,助力疫情)[系列九]

    原项目链接:https://aistudio.baidu.com/aistudio/projectdetail/5100049?contributionType=1 1.图学习技术与应用 图是一个复杂 ...

  4. Python小白的数学建模课-B6. 新冠疫情 SEIR 改进模型

    传染病的数学模型是数学建模中的典型问题,常见的传染病模型有 SI.SIR.SIRS.SEIR 模型. SEIR 模型考虑存在易感者.暴露者.患病者和康复者四类人群,适用于具有潜伏期.治愈后获得终身免疫 ...

  5. Python小白的数学建模课-B4. 新冠疫情 SIR模型

    Python小白的数学建模课-B4. 新冠疫情 SIR模型 传染病的数学模型是数学建模中的典型问题,常见的传染病模型有 SI.SIR.SIRS.SEIR 模型. SIR 模型将人群分为易感者(S类). ...

  6. SIR模型预测新冠病毒肺炎发病数据

    大家还好吗? 背景就不用多说了吧?本来我是初四上班的,现在延长到2月10日了.这是我工作以来时间最长的一个假期了.可惜哪也去不了.待在家里,没啥事,就用python模拟预测一下新冠病毒肺炎的数据吧.要 ...

  7. iMX287A基于嵌入式Qt的新冠肺炎疫情监控平台

    目录 1.前言 2.数据接口的获取 3.Qt界面的实现 4.在开发板上运行Qt程序 5.最终效果 6.代码下载 @ 1.前言 之前我使用在桌面版本Qt实现了肺炎疫情监控平台:基于Qt的新冠肺炎疫情数据 ...

  8. 参加Folding@Home(FAH)项目,为战胜新冠肺炎贡献出自己的一份力量

    鉴于新冠病毒(COVID-19)在全球范围内的大规模传播,PCMR和NVIDIA呼吁全球PC用户加入Folding@home项目贡献自己闲置的GPU计算力,协助抗击新冠状病毒疫情. 目前全球有超过40 ...

  9. 面试刷题26:新冠攻击人类?什么攻击java平台?

    可恶的新冠病毒攻击人类,搞得IT就业形势相当不好?好在有钟南山院士带领我们提前开展好了防护工作! java作为基础平台安装在各种移动设备,PC,小型机,分布式服务器集群,各种不同的操作系统上.所以,对 ...

  10. Python模块---制作新冠疫情世界地图()

    目录 pyecharts模块 简介 安装pyecharts 测试pyecharts模块 pyecharts实战:绘制新冠肺炎疫情地图 需求分析 请求数据 提取数据 处理数据 制作可视化地图 设置可视化 ...

随机推荐

  1. day28-jQuery01

    jQuery01 参考文档1:jQuery API 中文文档 | jQuery API 中文在线手册 | jquery api 下载 | jquery api chm (cuishifeng.cn) ...

  2. PW6276是一颗高效同步升压转换芯片,内部集成低阻抗功率 MOS

    概述PW6276是一颗高效同步升压转换芯片,内部集成低阻抗功率 MOS. 具有短路保护功能内部集成软启动电路,无需外部补偿电容,外部反馈网络.PW6276采用 SOP8-EP 封装配合较少的外围原件使 ...

  3. python2和python3的区别(1)

    1.python2和python3的解释器的默认编码不同 python2解释器的编码默认用的是 ascii python3解释器的编码默认用的 utf-8 2.python2和python3输入的表示 ...

  4. MongoDB安全加固,防止数据库攻击删除勒索威胁

    前言: 今天发现前段时间自己搭建的一个系统的MongoDB数据找不到了,觉得很奇妙,然后登上MongoDB数据库发现多了一个名为READ__ME_TO_RECOVER_YOUR_DATA的数据库,里面 ...

  5. IDEA引入本地jar包的几种方法

    有时候,项目需要引入一些第三方的依赖,这时候,就需要导入这些jar包.以下分享两种方式: 方式一.使用IDEA程序引入jar包 1.首先,点他! 2.然后,点他! 3.再然后,点他! 4.最后,在这里 ...

  6. 搭建漏洞环境及实战——在Windows系统中安装WAMP

    安装成功之后,打开显示 链接:https://pan.baidu.com/s/1NpU7fUYOO_CSM8dNXKdnCw 提取码:mxvw

  7. python 之选择结构(if --elif --else)

    python中有三种结构:顺序结构.选择结构.循环结构,此处介绍选择结构. if -- else 结构: if 判断条件: 执行语句 else: 执行语句 当if后面的判断条件为真(True)时,执行 ...

  8. GeoLayout: Geometry Driven Room Layout Estimation Based on Depth Maps of Planes

    1. 论文简介 论文题目:GeoLayout: Geometry Driven Room Layout Estimation Based on Depth Maps of Planes Paper地址 ...

  9. [常用工具] 深度学习Caffe处理工具

    目录 1 Caffe数据集txt文本制作 2 jpg图像完整性检测 3 图像随机移动复制 4 图像尺寸统计 5 图像名字后缀重命名 6 两文件夹文件比对 7 绘制caffe模型的ROC曲线(二分类) ...

  10. 迁移学习(DANN)《Domain-Adversarial Training of Neural Networks》

    论文信息 论文标题:Domain-Adversarial Training of Neural Networks论文作者:Yaroslav Ganin, Evgeniya Ustinova, Hana ...