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.
ENCOURAGE临床试验设计示意图

※: 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1阶段的各种缓解率


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.
第2阶段的各种缓解率


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

  1. 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. ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. [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 ...

  9. (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 ...

  10. 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

  1. 【Java并发入门】03 互斥锁(上):解决原子性问题

    原子性问题的源头是线程切换 Q:如果禁用 CPU 线程切换是不是就解决这个问题了? A:单核 CPU 可行,但到了多核 CPU 的时候,有可能是不同的核在处理同一个变量,即便不切换线程,也有问题. 所 ...

  2. go-carbon 1.5.0 版本发布,修复已知 bug 和新增德语翻译文件

    carbon 是一个轻量级.语义化.对开发者友好的golang时间处理库,支持链式调用. 目前已被 awesome-go 收录,如果您觉得不错,请给个star吧 github:github.com/g ...

  3. meta标签补充

    shrink-to-fit=no 使用"width=device-width"会导致页面按比例缩小,以适应超出视口边界的内容. 使用将"shrink-to-fit=no& ...

  4. 1.5.6 NN与2NN-hadoop-最全最完整的保姆级的java大数据学习资料

    目录 1.5.6 NN与2NN 1.5.6.1 HDFS元数据管理机制 1.5.6.2 Fsimage与Edits文件解析 1.5.6.2.1 Fsimage文件内容 1.5.6.2.2 Edits文 ...

  5. 自定义RBAC(4)

    您好,我是湘王,这是我的博客园,欢迎您来,欢迎您再来- 前面把RBAC的权限系统设计过程都讲清楚了,现在就来实现它.大致分这么几个步骤: 1.先定义出完整的权限系统表结构: 2.实现Entity.Da ...

  6. ES6——模块化

    模块化 模块化是指将一个大的程序文件,拆分成许多小的文件,然后将小文件组合起来. 一.浏览器使用ES6模块化方式一 使用script标签,将type属性设置为module,然后在script中书写代码 ...

  7. json 提取器将提取的所有id拼接成字符串

    1.添加json提取器,提取所有的id 2.添加调试后置处理器查看buildid_ALL值以及类型 当需要将提取的id拼接成字符串时,此时使用json提取器并勾选Compute concatenati ...

  8. [编程基础] Python配置文件读取库ConfigParser总结

    Python ConfigParser教程显示了如何使用ConfigParser在Python中使用配置文件. 文章目录 1 介绍 1.1 Python ConfigParser读取文件 1.2 Py ...

  9. 初探富文本之OT协同算法

    初探富文本之OT协同算法 OT的英文全称是Operational Transformation,是一种处理协同编辑的算法.当前OT算法用的比较多的地方就是富文本编辑器领域了,常用于作为实现文档协同的底 ...

  10. python之路43 JavaScript语法BOM与DOM jQuery对比 标签绑定事件

    前戏 到目前为止,我们已经学过了JavaScript的一些简单的语法.但是这些简单的语法,并没有和浏览器有任何交互. 也就是我们还不能制作一些我们经常看到的网页的一些交互,我们需要继续学习BOM和DO ...