MétaCan
Menu
Retour à la cohorte
Enregistrement W1993456571 · doi:10.6000/1929-6029.2014.03.03.3

Comparative Risk-Benefit Analysis of Different Classes of Biologic Agents in Patients with Psoriasis: A Case Study on the Pros and Cons of Mixed Treatment Comparison in Synthesizing Complex Evidence Networks

2014· article· en· W1993456571 sur OpenAlexvenueno aff
Mariangela Peruzzi, Delia Colombo, Isotta Chimenti, Elena De Falco, Antonio Abbate, Giacomo Frati, Giuseppe Biondi‐Zoccai

Notice bibliographique

RevueInternational Journal of Statistics in Medical Research · 2014
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiquePsoriasis: Treatment and Pathogenesis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsoriatic arthritisMedicinePsoriasisPlaceboAdverse effectInternal medicineRandomizationBiologic AgentsUstekinumabArthritisRheumatologyTNF inhibitorRandomized controlled trialTumor necrosis factor alphaImmunologyAlternative medicineEtanerceptDiseaseInfliximabPathology

Résumé

récupéré en direct d'OpenAlex

Background: Several classes of biologic agents are used for the management of moderate to severe psoriasis or psoriatic arthritis. However, there is uncertainty on which, if any, individual class of biologics is superior in terms of efficacy and safety in comparison to the other classes or placebo. We thus exploited the corresponding evidence network with suitable statistical methods (mixed treatment comparison and network meta-analysis) to formally address this issue. Methods: Randomized trials on biologic agents in psoriasis (including psoriatic arthritis) were systematically sought in several databases. We distinguished anti-tumor necrosis factor-α (TNF-α) agents, anti-T lymphocytes (T-cell) agents, anti-interleukin-12/23 (IL-12/23) agents, and anti-interleukin-17 (IL-17) agents. Endpoints of interest were the rates of ≥75% reduction in the Psoriasis Area and Severity Index (PASI75), of ≥20% improvement in the American College of Rheumatology core set of outcomes (ACR20), of serious adverse events (SAE), and of adverse events (AE) at the longest available non-cross-over follow-up. Random-effect methods were used to obtain network estimates for risk ratios (RR, with 95% credible intervals). Results: A total of 58 trials with 18,508 patients were included, with 51% affected by psoriatic arthritis. After a median of 17 weeks since randomization into parallel groups, several classes of biologic agents provided higher PASI75 rates than placebo, with anti-IL-17 agents yielding the most favorable results (RR=9.53 [5.55-13.80]). Accordingly, several classes of biologic agents provided higher ACR20 rates than placebo, with anti-TNF-α agents yielding the most favorable results (RR=2.58 [2.12-3.15]). Overall, rates of SAE and AE were higher for several but not all biologic agents versus placebo, with anti-T-cell agents being associated with the most favorable results for both SAE (RR=0.97 [0.30-3.35]), and AE (RR=1.00 [0.80-1.22]). Conclusions: Biologic agents provide significant clinical benefits in patients with moderate to severe psoriasis or psoriatic arthritis. There are differences in the efficacy and safety profile of each class, with anti-IL-17 and anti-TNF-α agents appearing most effective, and anti-T-cell agents appearing safest.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,193
score de la tête « metaresearch » (Gemma)0,384
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,995

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1930,384
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,018
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,188
Tête enseignante GPT0,438
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics in Medical ResearchMême sujetPsoriasis: Treatment and PathogenesisTravaux en français237 207