Changing Patterns of Tumor Necrosis Factor Inhibitor Use in 9074 Patients with Rheumatoid Arthritis
Notice bibliographique
Résumé
OBJECTIVE: Patients with rheumatoid arthritis (RA) commonly switch between tumor necrosis factor (TNF) inhibitors after failing to control disease activity. Much of the clinical data that support switching to a second TNF agent when one agent fails to work has come from small, short-term studies. We utilized a US insurance claims database to determine patterns of use such as dose escalation, time to discontinuation, and switching between TNF inhibitors in patients with RA. METHODS: A retrospective analysis was performed using an insurance claims database in the US from 2000 to 2005. TNF inhibitor use, time to switch, dose escalation, and continuation times were analyzed in patients with RA. RESULTS: Nine thousand seventy-four patients with RA started TNF inhibitors during the period 2000 to 2005. Etanercept was the most commonly used TNF inhibitor; infliximab had the highest duration of continuation, about 50% at 2 years. In addition, infliximab showed higher rates of dose escalation compared to etanercept and adalimumab. For all TNF inhibitors, time to switching decreased from 2000 to 2005. CONCLUSION: TNF inhibitor use patterns changed from 2000 to 2005, with more frequent changes among the different TNF inhibitors and a shorter duration of treatment before the change. Only about 50% of TNF inhibitors are still continued at 2 years, reflecting the difference between randomized clinical trials and real-world experience.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».