Longterm Retention of Tumor Necrosis Factor-α Inhibitor Therapy in a Large Italian Cohort of Patients with Rheumatoid Arthritis from the GISEA Registry: An Appraisal of Predictors
Notice bibliographique
Résumé
OBJECTIVE: To evaluate 4-year retention rates of tumor necrosis factor-α (TNF-α) inhibitors adalimumab, etanercept, and infliximab among patients with longstanding rheumatoid arthritis (RA), as derived from an Italian national registry. METHODS: The clinical records of 853 adult patients with RA in the GISEA (Gruppo Italiano Studio Early Arthritis) registry were prospectively analyzed to compare drug survival rates and the baseline factors that may predict adherence to therapy. RESULTS: In 2003 and 2004, 324 patients started treatment with adalimumab, 311 with etanercept, and 218 with infliximab. After 4 years, the global retention rate of anti-TNF-α therapy was 42%. Etanercept survival (51.4%) was significantly better than that of infliximab (37.6%) or adalimumab (36.4%; p < 0.0001). Accordingly, the mean duration of therapy was significantly longer for etanercept (3.1 ± 2 yrs) than for adalimumab (2.6 ± 2 yrs) or infliximab (2.7 ± 2 yrs; p < 0.05). The use of concomitant disease-modifying antirheumatic drugs, mainly methotrexate, and the presence of comorbidities significantly predicted drug continuation (p < 0.01), whereas a high Disease Activity Score did not. CONCLUSION: The 4-year global drug survival of adalimumab, etanercept, and infliximab was lower than 50%, with etanercept having the best retention rate. The main positive predictor of adherence to anti-TNF-α therapy was the concomitant use of methotrexate. Our study provides further evidence that the real-life treatment of patients with RA may be different from that of randomized clinical trials.
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 | 0,001 |
| 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 ».