STRATIfy-PK SCORE：一种用于识别接受抗TNF治疗患者药代动力学失败风险的预测工具

《British Journal of Clinical Pharmacology》：STRATIfy-PK SCORE: A predictive tool for identifying pharmacokinetic failure risk in anti-TNF–treated patient

本研究通过回顾性队列分析457名免疫介导炎症性疾病患者的1035份TDM样本，揭示IFX和ADA治疗中导致药代动力学失败的预测因素（如免疫原性发生率18.8%、亚治疗浓度59.7%），并构建STRATIfy-PK SCORE模型，该模型在预测免疫原性和亚治疗浓度方面AUC分别为0.795-0.800和0.686-0.700，为早期干预提供依据。

　　

摘要

研究目的

本研究的目的是识别与药代动力学失败相关的风险因素，药代动力学失败定义为免疫原性或药物浓度低于治疗阈值，这些患者正在接受英夫利昔单抗（IFX）或阿达利姆单抗（ADA）治疗，并开发一个预测模型（STRATIfy-PK SCORE），以支持主动性的治疗药物监测（TDM）。

方法

本研究是一项针对患有免疫介导性炎症性疾病的成年患者进行的回顾性队列研究，这些患者接受了IFX或ADA治疗。药代动力学失败的定义是基于特定适应症的治疗阈值，表现为抗药物抗体或血清药物浓度低于治疗阈值。针对每种药物和结果分别建立了多变量逻辑回归模型。模型性能通过接收者操作特征曲线下面积（AUC）和校准图进行评估。

结果

在457名患者（298名接受ADA治疗，159名接受IFX治疗）中，分析了1035份治疗药物监测样本。59.7%的患者出现药物浓度低于治疗阈值的情况，18.8%的患者出现免疫原性。在IFX治疗的患者中，免疫原性的预测因素包括既往用药剂量较低、强直性脊柱炎和类风湿性关节炎。对于ADA治疗的患者，预测因素包括不依从治疗、既往用药剂量较低、早期进行TDM、单药治疗以及风湿性疾病诊断。药物浓度低于治疗阈值的预测因素包括既往用药剂量较低、早期进行TDM、较高的炎症负担（对于IFX）；对于ADA治疗的患者，还包括既往用药剂量较低、强直性脊柱炎和早期进行TDM。预测模型表现出良好的区分性能（免疫原性的AUC为0.795–0.800；药物浓度低于治疗阈值的AUC为0.686–0.700），并且校准结果令人满意。

结论

STRATIfy-PK SCORE模型能够早期识别出药代动力学失败高风险患者，有助于制定主动、个性化的治疗药物监测策略，从而改善临床疗效。

利益冲突声明

作者声明不存在利益冲突。

数据可用性声明

支持本研究结果的数据可向通讯作者提出合理请求后获得。