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. Task01:Matplotlib初相识

    一.明晰绘制一张图的组成条件 Figure:最基本的一级 Axes:在Figure上创建子图的容器(如果Figure中仅含一子图,则该容器可省略) Axis:用于处理子图上和坐标轴和网格相关的元素 T ...

  2. 记录一次缓存引起的线上BUG

    背景 有一个需求大概是这样的,为了提高推荐系统的性能,需要本来从A服务获取的帖子信息,改为从Redis里面重新读取 Redis里面没有存帖子的所有信息,只存储了推荐系统必要的字段 大概是这样的: 至于 ...

  3. JS传值与应用

    问题提出:在进行页面书写的时候,有时候需要进行动态页面拼接,在动态拼接的时候,涉及到函数的调用,函数的传值可能是HTML标签,或者含有json的标签,这样在传值时就有可能出现问题,由于"&q ...

  4. 第一百一十四篇: JS数组Array(三)数组常用方法

    好家伙,本篇为<JS高级程序设计>第六章"集合引用类型"学习笔记   1.数组的复制和填充 批量复制方法 copyWithin(),以及填充数组方法fill(). 这两 ...

  5. JavaScript:显式转换数据类型:如何转换为数值、字符串和布尔值类型?

    JS的运算符以及某些内置函数,会自动进行数据类型的转换,方便计算,即隐式转换数据类型: 但是很多时候,我们希望可以手动控制数据类型的转换,即显示转换数据类型: 转换为字符串 String()函数 使用 ...

  6. MyBatis四大参数两种写法

    MyBatis四大参数两种写法 1.在主配置文件中,直接写到value值里面 2.四大参数写入单独配置文件 开始是 为了避免以后其他框架冲突 都加个前缀 jdbc. 主要是红色框里的三个部分 自己定义 ...

  7. BZOJ4919 大根堆(树形dp+线段树合并)

    用 multiset 启发式合并贪心维护 LIS 的做法就不多说了,网上题解一大堆,着重讲一下线段树合并维护 \(dp\). \(O(n^2)\) 的 \(dp\) 非常显然.离散化后,设 \(dp[ ...

  8. JAVA中使用最广泛的本地缓存?Ehcache的自信从何而来 —— 感受来自Ehcache的强大实力

    大家好,又见面了. 本文是笔者作为掘金技术社区签约作者的身份输出的缓存专栏系列内容,将会通过系列专题,讲清楚缓存的方方面面.如果感兴趣,欢迎关注以获取后续更新. 作为<深入理解缓存原理与实战设计 ...

  9. python之路32 网络并发线程方法 线程池 协程

    多进程实现TCP服务端并发 服务端: import socket from multiprocessing import Process def get_server(): server = sock ...

  10. Kafka初学习

    Kafka初学习   摘要:在之前的消息队列学习中,我已经了解了消息队列的基本概念以及基本用法,同时也了解到了市面上的几款消息队列中间件,其中我了解到了卡夫卡这款消息队列中间件是一款最为快速的消息队列 ...