达标式减量策略又一例证(STRASS研究)
标签: 类风湿关节炎; T2T策略; TNF抑制剂; 药物减停;
STRASS研究
达标式减量策略又一例证(STRASS研究): RA维持期个体化减停TNF拮抗剂是可能的
电邮发布日期: 2016年1月20日
生物制剂显著改善类风湿关节炎(RA)患者的炎症症状并抑制关节骨破坏,但目前还不能根治疾病。已有一些研究探讨了RA患者获得缓解后生物制剂减量或停药的可能性。大部分停用生物制剂的患者的结局是疾病复发或关节结构损伤加重。减少剂量可能是一种替代的方法,其中理论可行性较好的是延长给药间隔。为了探讨其实用性,法国学者Fartrel等人发起的一项多中心研究——STRASS研究,就是要看看RA持续缓解6个月以后,拉长TNF拮抗剂给药间隔能否维持疗效。该研究已发表于欧洲抗风湿病联盟(EULAR)官方期刊《风湿病年鉴》2016年第一期(Fautrel B, et al. Ann Rheum Dis.
2016;75:59–67.)。
STRASS研究的入组条件包括患者接受TNF拮抗剂标准剂量(依那西普50mg/周,阿达木单抗40mg/每2周)治疗超过1年(可以单药,也可以联合传统DMARD),糖皮质激素剂量小于5mg/日,目前持续临床缓解状态已超过6个月,并且1年内X线摄片放射学无进展。入组后,患者按1:1随机分为2组,其一继续用原方案即TNF拮抗剂足量治疗(M组),另一组按既定方案逐渐拉长TNF拮抗剂给药间隔(S组)。每3个月随访1次,共随访18个月。
STRASS试验设计的一个亮点是提出达标式拉长给药间隔,即每3个月根据DAS28评分来决定是否拉长给药间隔(图1):
(1)如果能维持DAS28≤2.6,就继续拉长给药间隔;
(2)如果DAS28>2.6且自上次随访变化值小于0.6,维持给药间隔不变;
(3)如果DAS28>2.6且自上次随访变化值大于0.6,就调回上次有效给药间隔。
图1. STRASS试验设计示意图(达标式减量) ![]() |
本研究采用了2种TNF拮抗剂,依那西普和阿达木单抗。既定的给药间隔拉长方案如图1。以依那西普为例,筛选期(V0)即入组前剂量为每周50mg,从基线(V1)至V2和V3分别减为每10天、14天和21天给予50mg,
V4即随访9个月之后就停用TNF拮抗剂(图1)。
本研究预计入组250例患者,但限于经费以及入组速度不理想,在2008年9月-2011年1月间只入组了137例患者(S组64例,
M组73例)。平均年龄55岁,女性占78%,平均病程9.5年,有骨侵蚀的患者比例为88%,类风湿因子(RF)阳性率68%,
DAS28=1.8, HAQ=0.4。仅2.7%的患者用过传统DMARDs,使用依那西普和阿达木单抗的比例分别为54%和46%,
75%的患者联合应用TNF拮抗剂和一种传统DMARD。
STRASS研究的主要观察终点是比较S组与M组18月DAS28与基线DAS28连线的斜率的差异,以此判断两组疗效是否相当。主要分析是比较斜率的标准化差异(standardized
difference,即用斜率除以斜率差异的标准差(standard deviation,
SD))。结果显示, 18个月期间,拉长给药间隔组与足量组DAS28未表现出等效性(图2),标准化差异仅19%(95%CI:
-5%~46%), 95%可信区间的上限超过了非劣预设界值(-30%, 30%)。相应的,
DAS44及反映关节功能的HAQ演变也有相似的特点。
图2. 拉长给药间隔组与继续足量组在18个月随访期间DAS28评分演变 ![]() 注:组间差异并不显著,但未达到优效 |
随访至18月时,
S组有13例患者(20.3%)恢复至足剂量,即不能减量。48例患者(75%)拉长给药间隔或停药,其中25例实现9个月后停药(39.1%),有10例(15.6%)可以实现V3(即依那西普每21天给药一次),可以拉长至V2(每14天)和V1
(每10天)给药的患者例数分别为7例(10.9%)和6例(9.4%)。
本研究的复发定义为当前DAS28>2.6且较前次随访加重(ΔDAS28>0.6)。S组复发风险显著高于M组(风险比(HR)为2.37(95%CI:
1.47, 3.83); p=0.0004)。S组有49例复发(76.6%),基线时有18例复发,
V1、V2和V3减量段的复发例数分别为7例、7例和14例,
9个月停药时有1例复发。M组仅有34例复发(46.5%)。S组和M组复发的中位时间分别为9个月和18个月(图3)。校正所有潜在混淆因素之后,与复发相关的因素有:拉长给药间隔(HR:
2.74, 95%CI: 1.53-4.92)、IgM-RF阳性(HR: 1.99, 95%CI:
1.03-3.83)以及基线HAQ(HR: 2.07, 95%CI: 1.23-2.49)。
图3. 拉长给药间隔组与继续足量组的无复发生存曲线 ![]() |
尽管拉长给药间隔组的复发率高,但18个月内两组放射学进展无明显差异,
S组放射学无进展(ΔmTSS≤1)的比例为66%,
M组为69%(p=0.8)。两组均无结构性损伤进展可能是由于升高的疾病活动度及时得到了纠正。
两组发生不良事件的患者比例相近(M组70%,
S组72%),发生严重不良事件的患者比例也相近(M组14%, S组9%)。
STRASS试验的局限性:
1.预计样本量需要250例患者,而实际入组了137例患者。缓解期RA患者主要就诊于社区风湿病诊所而非大学附属医院可能是患者招募不足主要的原因。其他可能的原因包括(1)医生和/或患者不愿意减停药物,导致违背研究方案的例数较多;
(2)入组条件要求临床缓解而非低疾病活动度RA患者。2.由于此试验是非盲试验,可能会导致一些主观的偏差。
3.这种减停策略可能对抗药抗体的产生有一定的影响,从而增加了二次失败的风险等。
STRASS研究应用达标式减量策略为接受皮下注射TNF拮抗剂以维持临床缓解的长病程RA患者探索了最低有效剂量/给药间隔。由于患者招募不足,无法验证非劣效性的假设。但研究者认为,这样的达标式减停策略对临床实际应用而言还是可行的,复发病情活动度是患者和医生都能接受的,而且复发病情也在TNF拮抗剂恢复到上次有效给药间隔后得到控制。拉长给药间隔组超过1/4患者疾病没有复发,这预示了需要更多的研究来探讨哪些RA患者能从拉长给药间隔中获益。
达标式减量策略又一例证(STRASS研究)的更多相关文章
- 【cs229-Lecture20】策略搜索
本节内容: 1.POMDP: 2.Policy search算法:reinforced和Pegasus: 马尔科夫决策过程(Partially Observable Markov Decision P ...
- 响应式WEB设计
近期在学习有关响应式设计的内容,对此做了些整理,图片来源于网络,附上自己做的简单demo,没有js,只用CSS做了简单的搭建http://y.zhso.net/. 1.为什么需要响应式web设计 出于 ...
- 《响应式Web设计实践》学习笔记
原书: 响应式Web设计实践 目录: 第2章 流动布局 1. 布局选项 2. 字体大小 3. 网格布局 4. 混合固定宽度和流动宽度 第3章 媒介查询 1. 视口 2. 媒介查询结构 3. 内嵌样式与 ...
- 在EntityFramework6中管理DbContext的正确方式——3环境上下文DbContext vs 显式DbContext vs 注入DbContext(外文翻译)
(译者注:使用EF开发应用程序的一个难点就在于对其DbContext的生命周期管理,你的管理策略是否能很好的支持上层服务 使用独立事务,使用嵌套事务,并行执行,异步执行等需求? Mehdi El Gu ...
- 80. Hibernate 5.0命名策略使用naming-strategy 不起作用【从零开始学Spring Boot】
[原创文章,转载请注明出处] 事情的起因:一不小心从1.3.3升级到了1.4.0版本,结果就碰到了各种悲催的事情了,好吧,Hibernate5.0的新特性就是其中一个坑,我们会发现我们配置的namin ...
- 蝶式套利(butterfly spread)
多头蝶式套利.预期市场价格趋于稳定,希望在这个价格区间内能获利,可选用多头蝶式套利,以较低的议定价格买进一个看涨期权,又以较高的议定价格买进一个看涨期权,同时又以介于上述2个议定价格之间的中等的议定价 ...
- Hibernate入门之命名策略(naming strategy)详解
前言 JPA和Hibernate都提供了默认映射策略,通过映射将每个实体类映射到具有相同名称的数据库表,它的每个属性都映射到具有相同属性的列, 但是,在实际项目开发中可能出现与默认命名约定不匹配,也就 ...
- 强化学习-学习笔记14 | 策略梯度中的 Baseline
本篇笔记记录学习在 策略学习 中使用 Baseline,这样可以降低方差,让收敛更快. 14. 策略学习中的 Baseline 14.1 Baseline 推导 在策略学习中,我们使用策略网络 \(\ ...
- 分享29个超赞的响应式Web设计
原文自:http://www.csdn.net/article/2013-01-16/2813678-responsive-design-websites 最近几年,响应式Web设计不断印入人们眼帘, ...
- Swift 对象创建(PUT Object)过程详解——基于副本策略(一)
swift中创建对象,即PUT object,根据选定的存储策略将对象内容写入至相应的服务器(object server).我们重点关注object controller和object servers ...
随机推荐
- Class文件解析
1 准备工作 获取class文件byte[] public static byte[] getFileBytes(File file) { try (FileInputStream fileInput ...
- linux开机进入grub rescue界面修复
一.先输入ls回车,查看显示内容 如: (hd0) (hd0,msdos1) (hd0,msdos2)... 二.然后找出哪个盘安装了系统 ls (hd0,msdos1)/boot/grub/ ls( ...
- 【云原生 • Docker】mysql、tomcat、nginx、redis 环境部署
注意在应用部署之前,docker 服务必须是开启状态 systemctl start docker. 目录 一.MySQL 部署 二.Tomcat 部署 三.Nginx 部署 四.Redis 部署 一 ...
- 如何使用Java获取货币符号?
1. 前言 最近做了一个支付相关的需求,要求在收银台页面显示商品的价格时带上货币符号¥,类似下图中的格式: 最初我是用的下面这样的代码: System.out.println(Currency.get ...
- ORM执行sql语句 双下划线 外键字段创建 ORM跨表查询
目录 模型层之ORM执行SQL语句 方式1一 方式二 方式三 神奇的双下划线查询 ORM外键字段的创建 1.创建基础表 2.确定外键关系 3.表的查看 数据的录入 外键字段相关操作 针对一对多 ''' ...
- 基于SqlSugar的开发框架循序渐进介绍(24)-- 使用Serialize.Linq对Lambda表达式进行序列化和反序列化
在上篇随笔<基于SqlSugar的开发框架循序渐进介绍(23)-- Winform端管理系统中平滑增加对Web API对接的需求>中介绍了基于一个接口,实现对两种不同接入方式(直接访问数据 ...
- [深度学习] 神经网络的理解(MLP RBF RBM DBN DBM CNN 整理学习)
转载于 http://lanbing510.info/2014/11/07/Neural-Network.html 开篇语 文章整理自向世明老师的PPT,围绕神经网络发展历史,前馈网络(单层感知器,多 ...
- [深度学习] 经典深度学习模型及其微调(Caffe)总结
目录 经典模型 Caffe预训练模型 经典模型 LeNet https://blog.csdn.net/kaido0/article/details/53161684 AlexNet https:// ...
- C语言指针常见问题
我们在学C语言时,指针是我们最头疼的问题之一,针对C语言指针,博主根据自己的实际学到的知识以及开发经验,总结了以下使用C语言指针时常见问题. 指针 指针做函数参数 学习函数的时候,讲了函数的参数都是值 ...
- python进阶之路15 之异常处理、生成器相关
异常捕获处理 1.异常 异常就是代码运行报错 行业术语叫bug 代码运行中一旦遇到异常会直接结束整个程序的运行 我们在编写代码的过程中要尽可能避免 2.异常分类 语法错误 不允许出现 一旦出现立刻改正 ...