Effect of Biologic Treatments on Growth in Children with Juvenile Idiopathic Arthritis
Notice bibliographique
Résumé
OBJECTIVE: Growth retardation is a frequent complication of severe juvenile idiopathic arthritis (JIA). Biologic treatments may improve growth velocity by controlling systemic inflammation and reducing corticosteroids. Our goals were to compare growth velocity before and after the onset of biologic therapy and to determine whether the JIA subtype, the use of steroids, the requirement of one or several biologic agents, or the disease activity influenced growth velocity. METHODS: We retrospectively analyzed the growth of children with JIA who never received growth hormone treatment, who started biologic treatment before puberty, and who were followed for at least 6 months afterward. RESULTS: We included 100 children (33 boys). Median patient age was 7.1 years (range: 1.6-15.7) at the onset of biologic treatment and 11.0 years (range: 2.3-19.5) at the latest followup. Forty-six patients had received corticosteroid and 34 had received more than 1 biologic agent. Patient median height expressed as SD score (SDS) was 0.31 (range: -2.47 to 5.46) at disease onset, -0.24 (-3.63 to 2.90) at biologic therapy onset (p < 0.0001), and -0.15 (-4.95 to 3.52) at the latest followup (p = 0.171 compared to biologic treatment onset). Patients who required several biologics and systemic patients had a significantly lower growth velocity after the onset of biologic treatment. At the latest followup, 18% of our study group had low growth velocities and 19% were below -2SD or shorter than genetically programmed. CONCLUSION: In a subset of patients, particularly systemic JIA patients and patients who required more than 1 biologic, biologic therapy may be insufficient to restore normal growth velocity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».