NK和NM是共同第一作者。
WR和JDL是联合资深作者。
我们的目的是在全国范围内的炎症性肠病(IBD)患者队列中探索各种炎症性肠病(IBD)药物的感染风险以及这些药物对病程的影响。
这是一项针对退伍军人事务医疗系统中患有IBD患者的回顾性全国队列研究。我们对COVID-19大流行之前的IBD药物使用进行了分类,并使用生存分析方法研究了与SARS-CoV-2感染的相关性,以及COVID-19住院或COVID-19相关死亡率的综合次要结果。
30911例分析队列患者主要为男性(90.9%)、白人(78.6%)和溃疡性结肠炎患者(58.8%)。中位随访时间为10.7个月,649例(2.1%)患者被诊断为SARS-CoV-2感染,149例(0.5%)患者达到综合二级结局。在调整后的模型中,使用vedolizumab (VDZ)与单独使用美沙拉嗪相比与感染显著相关(HR 1.70, 95% CI 1.16 ~ 2.48, p=0.006)。与单独服用美沙拉嗪相比,未服用IBD药物的患者合并二级结局的风险增加(hr - 1.64, 95% CI 1.12 - 2.42, p=0.01),然而,与单独服用美沙拉嗪相比,其他IBD药物类别与该结局无显著相关性(各p>0.05)。皮质类固醇的使用与SARS-CoV-2感染(HR 1.60, 95% CI 1.23 ~ 2.09, p=0.001)和联合二级转归(HR 1.90, 95% CI 1.14 ~ 3.17, p=0.01)独立相关。
VDZ和皮质类固醇与SARS-CoV-2感染风险的增加有关。除糖皮质激素外,包括美沙拉嗪在内的任何药物都与严重COVID-19风险的增加有关。
关于炎症性肠病(IBD)药物对SARS-CoV-2风险影响的数据缺乏。
先前评估IBD药物对COVID-19临床病程影响的研究结果需要在不同的研究人群中进行验证。
在以老年男性为主的人口中。
使用Vedolizumab治疗IBD与SARS-CoV-2感染风险增加相关。
使用皮质类固醇治疗IBD与感染SARS-CoV-2的风险增加有关。
美沙拉嗪的使用与SARS-CoV-2或严重COVID-19风险的增加无关。
这是首个将vedolizumab的使用与获得SARS-CoV-2联系起来的研究。
与现有文献相反,美沙拉嗪的使用与严重COVID-19风险的增加无关。
该研究再次建议,在SARS-CoV-2大流行期间,医生应谨慎使用皮质类固醇治疗IBD。
SARS-CoV-2大流行对公共卫生构成严重威胁,据报道,截至2021年1月1日,美国已有2000多万人感染。
在所有IBD患者中,SARS-CoV-2的发病率似乎与在普通人群中看到的相当。
因此,为了更好地了解所有IBD类药物的感染风险和药物对病程的影响,我们对退伍军人事务医疗保健系统(VAHS)的全国IBD患者队列进行了回顾性研究。VAHS是美国最大的综合医疗保健系统,每年为900多万退伍军人服务。
这是一项使用VAHS数据的回顾性队列研究。初级研究期间为2020年1月20日至2020年12月10日。该研究的重点是用于治疗IBD的药物的影响,包括5-氨基水杨酸(5-ASA,即美沙拉嗪),皮质类固醇,硫嘌呤(TP)(硫唑嘌呤和巯基嘌呤)和甲氨蝶呤(MTX)(联合称为免疫调节剂),抗肿瘤坏死因子制剂(anti-TNFs),维多珠单抗(VDZ),尤斯特金单抗和托法替尼。
我们使用之前验证过的算法识别了所有在2020年1月20日之前诊断为UC或CD的患者。
从VAHS数据库中,我们收集了人口统计学(年龄、性别、种族)和共病数据,包括肥胖、高血压、糖尿病、心力衰竭、心律失常、周围血管疾病、慢性阻塞性肺疾病、慢性肝病和肾衰竭。主要感兴趣的暴露是IBD药物类别,这是在2020年1月20日之前的3个月窗口期确定的。使用以下相互排斥的类别:美沙拉嗪单独,TP单独,抗- tnf),抗- tnf + TP,抗- tnf + MTX, vedolizumab, ustekinumab和tofacitinib。如果患者没有服用这些药物,他们就被归类为“没有服用IBD药物”。3个月窗口期皮质类固醇(强的松、强的松、甲基强的松)的使用被单独归类为二元变量。
主要转归为SARS-CoV-2感染时间,这是根据在VAHS进行的PCR检测结果确定的。次要结局是与COVID-19感染相关的住院或与COVID-19相关的死亡率的综合结局,定义为在有记录的感染后90天内发生的死亡。这一综合结果被视为COVID-19严重感染的替代指标。
描述性统计用中位数和IQRs表示连续变量,用百分比表示分类数据。采用Wilcoxon秩和和χ进行IBD用药类别间的统计学比较2测试,如表示。由于样本量小,仅给出了ustekinumab和tofacitinib组的描述性数据,并将其排除在后续的多变量建模中。计算了每种IBD药物类别和皮质类固醇使用的SARS-CoV-2感染的粗发病率、COVID-19住院率和COVID-19死亡率,以及SARS-CoV-2感染的未调整Kaplan-Meier生存图(后者不包括乌斯特单抗和托法替尼)。使用log-rank检验进行统计比较。然后采用混合效应Cox回归分析评估IBD药物类别对SARS-CoV-2感染风险的影响,并调整潜在的混杂因素。时间零为2020年1月20日,数据在患者死亡或失去随访时被正确删除(即,在记录系统中没有进一步的临床接触)。考虑到美国各地经历的COVID-19的时间负担不同,美国的地理区域被视为随机效应。在多变量建模中考虑了所有人口统计学和共病数据的调整,使用向后逐步选择方法确定基础模型。考虑到初次接触和结果之间似乎存在独立的联系,所有模型都被迫使用皮质类固醇。在确定了基础模型之后,我们创建了几个临床导向的模型,在这些模型中,我们基于临床基础重新引入或删除变量。 Additionally, an interaction term between IBD medication category and steroid use was evaluated. The final model was chosen based on a minimised Bayesian information criterion value. HRs and 95% Cis were reported for each model exposure, and adjusted survival curves were plotted for IBD medication category and corticosteroid use. Given the possibility of informative censoring of non-COVID-19 related deaths, we performed a sensitivity analysis where we treated non-COVID-19-related death as a competing event in the final model, using the Fine and Gray method. In all cases, type 1 error rate of 5% was used for statistical significance. SAS version 9.4 and STATA V.15.1/IC were used for data management and analysis.
为了评估IBD用药组对COVID-19住院或COVID-19相关死亡率的综合结果的影响,我们使用了Fine和Gray竞争风险回归,其中非COVID-19相关原因的死亡被视为竞争事件。与上面的初步分析相比,我们选择Fine and Gray方法作为联合结果的初始分析方法,因为与结果相关的非covid -19相关死亡事件的比例更大,并且使用标准Cox回归更明确地违反非信息性审查的假设。对初步分析中确定的相同预测因素进行了调整。亚hr (SHRs)与95%的ci一起出现。与以前一样,由于样本量小,这些分析排除了使用ustekinumab或tofacitinib的患者。最后,使用上述竞争风险回归方法进行了另外三个亚组分析
由于这是一项回顾性队列研究,本研究没有患者或公众参与或招募。
共有30911例患者符合所有纳入和排除标准。队列主要为男性(90.9%),白人(78.6%),大多数UC患者(58.8%),中位年龄65岁(IQR 50, 73)。当按IBD药物类别分层时,患者的年龄(如美沙拉嗪的中位年龄为71岁,抗tnf +TP为53岁,p<0.001)、IBD诊断(如美沙拉嗪的UC为73.2%,抗tnf为38.5%,p<0.001)和各种共病(
按IBD用药类别分层的队列特征
变量 | Mesalazine (N = 831) | Thiopurine |
Anti-TNF |
Anti-TNF + TP |
Anti-TNF + MTX |
Vedolizumab |
Ustekinumab (N = 167) | Tofacitinib |
没有炎症性肠病药物 |
P值 |
年龄、中值(差) | 71 (59 - 76) | 68 (55 - 73) | 56 (41 - 70) | 53 (41 - 65) | 56 (44 - 67) | 60 (43 - 71) | 57 (44 - 67) | 65.5 (55.5 -71) | 61 (46 - 71) | < 0.001 |
男性性 | 003 (93.5%) | 2148例(92.1%) | 3547例(89.5%) | 1039例(87.6%) | 447例(87.8%) | 780例(90.5%) | 143例(85.6%) | 71例(93.4%) | 7924例(88.2%) | < 0.001 |
比赛 | < 0.001 | |||||||||
白色 | 448 (81.4%) | 1879例(80.6%) | 3061例(77.3%) | 864例(72.8%) | 385例(75.6%) | 677例(78.5%) | 120例(71.9%) | 65例(85.5%) | 6804例(75.7%) | |
黑色的 | 1401例(10.9%) | 280例(12.0%) | 544例(13.7%) | 195例(16.4%) | 75例(14.7%) | 101例(11.7%) | 36 (21.6%) | 5 (6.6%) | 1332例(14.8%) | |
拉美裔 | 504例(3.9%) | 78例(3.3%) | 192例(4.8%) | 74例(6.2%) | 29 (5.7%) | 48 (5.6%) | 9 (5.4%) | 4 (5.3%) | 455例(5.1%) | |
其他 | 478例(3.7%) | 95例(4.1%) | 165例(4.2%) | 53 (4.5%) | 20 (3.9%) | 36 (4.2%) | 2 (1.2%) | 2 (2.6%) | 395例(4.4%) | |
炎症性肠病诊断 | < 0.001 | |||||||||
溃疡性结肠炎 | 9394例(73.2%) | 1223例(52.4%) | 1527例(38.5%) | 465例(39.2%) | 188例(36.9%) | 415例(48.1%) | 32 (19.2%) | 62例(81.6%) | 4863例(54.1%) | |
克罗恩氏病 | 3437例(26.8%) | 1109例(47.6%) | 2435例(61.5%) | 721例(60.8%) | 321例(63.1%) | 447例(51.9%) | 135例(80.8%) | 14 (18.4%) | 4123例(45.9%) | |
肥胖 | 1608例(12.5%) | 284例(12.2%) | 504例(12.7%) | 191例(16.1%) | 80例(15.7%) | 87例(10.1%) | 22 (13.2%) | 9 (11.8%) | 1006例(11.2%) | < 0.001 |
高血压 | 7342例(57.2%) | 1215例(52.1%) | 1594例(40.2%) | 474例(40.0%) | 219例(43.0%) | 396例(45.9%) | 74例(44.3%) | 41 (53.9%) | 3776例(42.0%) | < 0.001 |
糖尿病 | 3460例(27.0%) | 594例(25.5%) | 700例(17.7%) | 209例(17.6%) | 92例(18.1%) | 175例(20.3%) | 36 (21.6%) | 21 (27.6%) | 1779例(19.8%) | < 0.001 |
心脏衰竭 | 629例(4.9%) | 103例(4.4%) | 92例(2.3%) | 27 (2.3%) | 8 (1.6%) | 53 (6.1%) | 10 (6.0%) | 4 (5.3%) | 460例(5.1%) | < 0.001 |
心律失常 | 1741例(13.6%) | 281例(12.0%) | 319例(8.1%) | 90例(7.6%) | 41 (8.1%) | 106例(12.3%) | 22 (13.2%) | 11 (14.5%) | 918例(10.2%) | < 0.001 |
周围性血管疾病 | 708例(5.5%) | 114例(4.9%) | 137例(3.5%) | 30 (2.5%) | 9 (1.8%) | 41 (4.8%) | 6 (3.6%) | 7 (9.2%) | 388例(4.3%) | < 0.001 |
慢性阻塞性肺病 | 1851例(14.4%) | 307例(13.2%) | 460例(11.6%) | 116例(9.8%) | 45 (8.8%) | 129例(15.0%) | 22 (13.2%) | 12 (15.8%) | 1137例(12.7%) | < 0.001 |
慢性肝病 | 527例(4.1%) | 131例(5.6%) | 209例(5.3%) | 64例(5.4%) | 25 (4.9%) | 63例(7.3%) | 15 (9.0%) | 2 (2.6%) | 443例(4.9%) | < 0.001 |
肾功能衰竭 | 1002例(7.8%) | 169例(7.2%) | 259例(6.5%) | 54 (4.6%) | 18 (3.5%) | 69例(8.0%) | 19 (11.4%) | 7 (9.2%) | 759例(8.5%) | < 0.001 |
皮质类固醇的使用 | 589例(4.6%) | 179例(7.7%) | 314例(7.9%) | 125例(10.5%) | 64例(12.6%) | 123例(14.3%) | 34 (20.4%) | 17 (22.4%) | 437例(4.9%) | < 0.001 |
慢性阻塞性肺疾病;IBD,炎症性肠病;MTX,甲氨蝶呤;肿瘤坏死因子;TP, thiopurine。
中位随访时间为10.7个月(IQR为10.7 - 10.7),649例(2.1%)患者被诊断为SARS-CoV-2感染。使用vedolizumab的患者感染的粗发生率最高(34.53例感染/ 10000人月,95% CI 24.28 ~ 49.01:
按IBD药物组和皮质类固醇使用情况划分的SARS-CoV-2感染、COVID-19住院和COVID-19死亡率的粗发病率*
人次 | 失败__ | 发病率* | 95%可信区间 | ||
COVID-19感染 |
|
||||
Mesalazine | 133 994 | 247 | 18.43 | 16.27到20.88 | |
Thiopurine | 24日386年 | 49 | 20.09 | 15.19到26.59 | |
Anti-TNF | 41 842 | 95 | 22.70 | 18.57到27.76 | |
Anti-TNF + TP | 549年12 | 33 | 26.30 | 18.69到36.99 | |
Anti-TNF + MTX | 5389 | 10 | 18.56 | 9.98到34.49 | |
Vedolizumab | 8978 | 31 | 34.53 | 24.28到49.10 | |
Ustekinumab | 1760 | 4 | 22.73 | 8.53到60.57 | |
Tofacitinib | 793 | 2 | 25.22 | 6.31到100.83 | |
没有炎症性肠病药物 | 93 712 | 184 | 19.63 | 16.99到22.69 | |
|
|||||
没有 | 301 973 | 588 | 19.47 | 17.96到21.11 | |
是的 | 18 876 | 61 | 32.32 | 25.14到41.53 | |
COVID-19住院 |
|
||||
Mesalazine | 134 015 | 40 | 2.98 | 2.19到4.07 | |
Thiopurine | 24日390年 | 10 | 4.10 | 2.21到7.62 | |
Anti-TNF | 41 859 | 13 | 3.11 | 1.80到5.35 | |
Anti-TNF + TP | 549年12 | 7 | 5.58 | 2.66到11.70 | |
Anti-TNF + MTX | 5390 | 4 | 7.42 | 2.79到19.77 | |
Vedolizumab | 8986 | 6 | 6.68 | 3.00到14.86 | |
Ustekinumab | 1759 | 1 | 5.68 | 0.80到40.35 | |
Tofacitinib | 793 | 0 | 0 | - - - - - - | |
没有炎症性肠病药物 | 93 740 | 45 | 4.80 | 3.58到6.43 | |
|
|||||
没有 | 302 046 | 108 | 3.58 | 2.96到4.32 | |
是的 | 18 883 | 17 | 9.00 | 5.60到14.48 | |
COVID-19死亡率 |
|
||||
Mesalazine | 4 078 807 | 23 | 0.06 | 0.04到0.08 | |
Thiopurine | 742 291 | 2 | 0.03 | 0.01到0.11 | |
Anti-TNF | 1 273 565 | 0 | 0.00 | - - - - - - | |
Anti-TNF + TP | 381 979 | 1 | 0.03 | 0.00到0.19 | |
Anti-TNF + MTX | 164 039 | 0 | 0.00 | - - - - - - | |
Vedolizumab | 273 291 | 1 | 0.04 | 0.01到0.26 | |
Ustekinumab | 53 560 | 0 | 0.00 | - - - - - - | |
Tofacitinib | 24日139年 | 0 | 0.00 | - - - - - - | |
没有炎症性肠病药物 | 2 852 623 | 14 | 0.05 | 0.03到0.08 | |
|
|||||
没有 | 9 253 594 | 40 | 0.04 | 0.03到0.06 | |
是的 | 590 700 | 1 | 0.02 | 0.00到0.12 |
*每10,000人月报告。
†“失败”指的是表中第一部分的感染,表中第二部分的住院,以及表中第三部分的死亡。
IBD,炎症性肠病;MTX,甲氨蝶呤;肿瘤坏死因子;TP, thiopurine。
SARS-CoV-2感染的混合效应Cox回归模型
变量 | 人力资源 | 95%可信区间 | P值 |
年龄(每年) | 0.99 | (0.99 - 1.00) | 0.003 |
比赛 | |||
白色 | (ref) | ||
黑色的 | 1.48 | (1.21 - 1.82) | < 0.001 |
拉美裔 | 1.28 | (0.90 - 1.83) | 0.17 |
其他 | 1.56 | (1.11 - 2.19) | 0.01 |
糖尿病 | 1.43 | (1.19 - 1.71) | < 0.001 |
周围性血管疾病 | 1.73 | (1.28 - 2.35) | < 0.001 |
肥胖 | 1.29 | (1.04 - 1.59) | 0.02 |
皮质类固醇的使用 | 1.60 | (1.23 - 2.09) | 0.001 |
炎症性肠病医疗类别 | |||
Mesalazine | (ref) | ||
Thiopurine | 1.03 | (0.76 - 1.41) | 0.83 |
Anti-TNF | 1.14 | (0.89 - 1.46) | 0.29 |
Anti-TNF + tiopurine | 1.25 | (0.86 - 1.81) | 0.24 |
Anti-TNF + MTX | 0.93 | (0.49 - 1.77) | 0.83 |
Vedolizumab | 1.70 | (1.16 - 2.48) | 0.006 |
没有炎症性肠病药物 | 1.02 | (0.84 - 1.24) | 0.86 |
*美国地理区域被视为随机效应。
†基于p>0.05或相关模型中贝叶斯信息准则的非最小化,以下变量在最终多变量模型中未保留:性别、IBD诊断、高血压、心力衰竭、心律失常、慢性阻塞性肺疾病、肾衰竭。
IBD,炎症性肠病;MTX,甲氨蝶呤;肿瘤坏死因子。
通过(A) IBD药物类别和(B)皮质类固醇使用,cox调整的SARS-CoV-2感染发展的*生存曲线。*模型调整了年龄、种族、糖尿病、周围血管疾病和肥胖,地理区域作为随机效应处理。5-ASA 5-aminosalicylic酸;IBD,炎症性肠病;MTX,甲氨蝶呤;肿瘤坏死因子;TP, thiopurine;VDZ vedolizumab。
按IBD药物类别和类固醇使用分层的COVID-19住院粗发病率显示在
COVID-19住院合并终点的竞争风险回归模型*
变量 | Sub-HR | 95%可信区间 | P值 |
年龄(每年) | 1.03 | (1.01 - 1.04) | < 0.001 |
比赛 | |||
白色 | (ref) | ||
黑色的 | 2.68 | (1.82 - 3.95) | < 0.001 |
拉美裔 | 2.04 | (1.02 - 4.07) | 0.04 |
其他 | 2.54 | (1.27 - 5.09) | 0.009 |
糖尿病 | 1.47 | (1.03 - 2.09) | 0.03 |
周围性血管疾病 | 2.06 | (1.22 - 3.48) | 0.007 |
肥胖 | 1.79 | (1.19 - 2.70) | 0.005 |
皮质类固醇的使用 | 1.90 | (1.14 - 3.17) | 0.01 |
炎症性肠病医疗类别 | |||
Mesalazine独自 | (ref) | ||
Thiopurine | 1.29 | (0.69 - 2.41) | 0.43 |
Anti-TNF | 1.02 | (0.55 - 1.87) | 0.96 |
Anti-TNF + TP | 1.81 | (0.83 - 3.95) | 0.13 |
Anti-TNF + MTX | 2.31 | (0.83 - 6.48) | 0.11 |
Vedolizumab | 1.98 | (0.85 - 4.65) | 0.12 |
没有炎症性肠病药物 | 1.64 | (1.12 - 2.42) | 0.01 |
*死于任何与covid -19无关的原因被视为竞争事件。
IBD,炎症性肠病;MTX,甲氨蝶呤;肿瘤坏死因子;TP, thiopurine。
我们调查了不同IBD药物对感染SARS-CoV-2和发展为严重COVID-19(定义为与COVID-19感染相关的住院或与COVID-19相关的死亡率)的风险的影响。与美沙拉嗪相比,使用维多珠单抗治疗以及与不使用皮质类固醇治疗相比,与SARS-CoV-2感染风险增加相关。皮质类固醇的使用也与严重的COVID-19有关。然而,与单独使用美沙拉嗪相比,使用维多珠单抗与发生严重COVID-19的风险增加无关,而与所有其他IBD药物相比,单独使用美沙拉嗪与严重COVID-19感染无关。
我们的结果重申了我们小组的初步分析,其中有36例SARS-CoV-2病例,表明TP和抗tnf药物的使用与COVID-19的发展无关。
使用较新的IBD药物tofacitinib和ustekinumab的患者数量较低,因此排除了有意义的统计分析。然而,SARS-CoV-2感染的粗发病率、COVID-19住院率和COVID-19相关死亡率没有确定有关安全信号。正如之前报道的那样,我们发现肥胖、糖尿病和周围血管疾病也与SARS-CoV-2感染风险的增加有关。皇家全科医生学院还发现,除了慢性肾脏疾病外,肥胖还与感染SARS-COV-2的风险增加有关。
我们还评估了IBD药物对COVID-19感染临床结局的影响,通过评估COVID-19住院或COVID-19相关死亡率的综合终点风险。与SECURE-IBD不同的是,我们没有研究ICU护理或呼吸机使用情况。主要原因是,与其他医院一样,许多退伍军人医院的内科和外科ICU被改成了COVID-19患者等候区。因此,一个相对稳定的COVID-19患者也可能被安置在ICU,从而难以确定该患者是否在其医疗状况次要的ICU。随着COVID-19管理的发展,使用呼吸机的适应证也发生了变化,因此它可能不是疾病严重程度的最佳指标,特别是在使用近期数据的队列中。我们发现,虽然维多珠单抗显著增加了SARS-CoV-2感染的发生率,但这并不意味着严重COVID-19的发生率增加,尽管这可能反映出这一结果的统计效力下降。此外,与其他IBD药物类别相比,单独使用美沙拉嗪与严重COVID-19发病率的增加无关。单独使用美沙拉嗪和单独使用美沙拉嗪之间也没有风险差异
我们发现皮质类固醇的使用与COVID-19严重感染风险的增加独立相关(SHR为1.90,95% CI为1.14 ~ 3.17,p=0.01)。这些发现与SECURE IBD一致,也表明在COVID-19患者中,皮质类固醇的使用与更严重的预后相关。
我们研究的主要优势是使用了在VAHS中跟踪的全国IBD患者队列,每年服务约900万退伍军人。
我们的研究并非没有局限性。首先,由于本研究的回顾性性质,有关潜在混杂因素的数据可能缺失。此外,退伍军人事务部以外的处方可能是不完整的。然而,我们相信这样的偏见将是最小的,因为经验表明,退伍军人有很强的依从性使用VA药房。
总之,通过使用一个主要由老年男性组成的大型全国VA数据库,我们发现使用维多珠单抗和皮质类固醇治疗IBD与SARS-CoV-2感染风险增加相关。据我们所知,这是第一项将vedolizumab与获得SARS-CoV-2感染联系起来的研究,尽管它与导致住院或死亡的临床严重COVID-19感染没有关联。在我们的研究中,美沙拉嗪与SARS-CoV-2感染无关,也与更糟糕的结果无关。此外,我们的研究结果支持一种主流观点,即在SARS-CoV-2大流行期间,医生应谨慎使用糖皮质激素治疗IBD。
这篇文章在Online First发布后进行了修改。增加了联合第一作者和联合高级作者声明。
NK参与了资助获取、研究监督、研究概念和设计、数据获取、数据分析和解释、稿件起草以及对稿件重要知识内容的批判性修改。NM data参与了研究的概念和设计、数据的采集、统计分析、数据的分析和解释以及稿件的起草。CT参与了数据的采集和稿件的起草。WR参与了研究的概念和设计、数据的分析和解释、手稿的起草和对手稿重要知识内容的批判性修改。JDL参与了研究概念和设计、统计分析、数据分析和解释、手稿起草和对手稿重要知识内容的批判性修改。
这项研究得到了辉瑞制药公司的无限制研究基金的支持。
辉瑞公司在研究的概念和设计、数据的获取、数据的分析、数据的解释和稿件的准备中不扮演任何角色。
NK获得了辉瑞、Luitpold、武田制药和三星BioEpis的无限制研究经费。NM和CT在利益冲突方面没有披露任何信息。WR曾担任(1)雅培实验室、艾伯维、aeseca、Aptalis、Astellas、Centocor、Celltrion、达能奥地利、Elan、福尔克制药、Ferring、immundiagnostics、三菱田部制药公司、MSD、大鼠、PDL、Pharmacosmos、PLS教育、先灵葆雅、Shire、武田、Therakos、Vifor、益乐多的发言人,(2)担任雅培实验室、艾伯维、Aesca、Algernon、安进、AM制药、AMT、AOP Orphan、Arena制药、安斯泰来、阿斯利康、Avaxia、罗兰贝格、Bioclinica, Biogen IDEC, Boehringer-Ingelheim, Bristol-Myers Squibb, Cellerix, Chemocentryx, Celgene, Centocor, Celltrion, Covance,达能奥地利,DSM, Elan, Eli Lilly, Ernest & Young, Falk制药,Ferring, Galapagos, Genentech, Gilead, Grünenthal, ICON, Index Pharma, Inova, Intrinsic Imaging, Janssen, Johnson & Johnson, Kyowa Hakko Kirin制药,脂质治疗,LivaNova, Mallinckrodt, Medahead, MedImmune, millennium,三菱田边制药公司,MSD, Nash制药,雀巢,Nippon Kayaku, Novartis, Ocera, OMass, Otsuka, Parexel, PDL, Periconsulting, Pharmacosmos, Philip Morris Institute, Pfizer, Procter & Gamble, Prometheus, capita, Provention, Quell Tx, Robarts临床试验,Sandoz,先灵葆雅,Second Genome, Seres Therapeutics, Setpointmedical, Sigmoid, Sublimity, Takeda, Therakos, Theravance, Tigenix, UCB, Vifor, Zealand, Zyngenia,和4SC,(3)作为雅培实验室,艾伯维,Aesca,安进,AM Pharma, Astellas,Astra Zeneca, Avaxia, Biogen IDEC, Boehringer-Ingelheim, Bristol-Myers Squibb, Cellerix, Chemocentryx, Celgene, Centocor, Celltrion,达能奥地利,DSM, Elan, Ferring, Galapagos, Genentech, Grünenthal, Inova, Janssen, Johnson & Johnson, Kyowa Hakko麒麟制药,脂质治疗,MedImmune, millennium,三菱田部制药,MSD,雀巢,诺华,Ocera,大冢,PDL, Pharmacosmos,辉瑞,宝洁,Prometheus,山德士,先灵葆雅,第二基因组,Setpointmedical,武田、Therakos、Tigenix、UCB、Zealand、Zyngenia和4SC已经获得雅培实验室、艾伯维、Aesca、Centocor、Falk Pharma、immundiagnostics、MSD的研究资金。JDL曾担任Merck, AbbVie, Lilly, Janssen, Johnson & Johnson Consumer和Takeda的顾问;曾在辉瑞、吉利德和UCB的数据安全监测委员会任职;并得到了武田和雀巢健康科学的研究支持。
不是委托;外部同行评议。
本内容由作者提供。它没有经过BMJ出版集团有限公司(BMJ)的审查,也可能没有经过同行评审。讨论的任何意见或建议仅仅是那些作者(s)和不被BMJ认可。BMJ放弃从放在内容上的任何依赖产生的所有责任和责任。如果内容包含任何翻译材料,BMJ不保证翻译的准确性和可靠性(包括但不限于当地法规、临床指南、术语、药品名称和药物剂量),并且不对翻译和改编或其他原因引起的任何错误和/或遗漏负责。
没有相关数据。回顾性队列研究。根据期刊的要求,可以向通讯作者提供识别数据,但由于HIPAA规则,识别数据将无法提供。
不是必需的。
数据收集使用VISTA CAPRI数据库中已有的电子患者记录,并获得了美国宾夕法尼亚州费城Michael J Crescenz下士退伍军人医疗中心机构审查委员会(IRB)的批准。