Disease Progression and Treatment Responses in a Prospective DMARD-naive Seropositive Early Rheumatoid Arthritis Cohort: Does Gender Matter?
Notice bibliographique
Résumé
OBJECTIVE: To assess gender differences in disease characteristics and treatment responses over time in a disease-modifying antirheumatic drug (DMARD)-naive seropositive early rheumatoid arthritis (RA) cohort. METHODS: Patients with polyarticular disease who were DMARD-naive and had seropositive early RA (< 14 months) were recruited by the Western Consortium of Practicing Rheumatologists. Each patient was examined at study entry, after 6 and 12 months, and yearly thereafter. Clinical and demographic data were collected. We investigated gender differences in baseline disease characteristics and treatment using chi-squared, Mann-Whitney U, and t tests. We used generalized estimating equations (GEE) models for repeated measures to examine whether the rate of change of specific disease outcomes during the first 2 years after DMARD initiation was significantly influenced by gender. RESULTS: At baseline, men (n = 67) and women (n = 225) had similar disease activity and radiographic damage; men, however, had significantly worse erosion, while women had worse joint space narrowing. Despite similar treatment, women had worse disease progression over the 2-year followup, as assessed by trends in Disease Activity Score 28/erythrocyte sedimentation rate (DAS28-ESR4), physician global scores, and tender joint counts. In the GEE model, gender was significantly associated with the rate of change of DAS28-ESR4 scores (p = 0.009), although not independently associated with disease activity. Self-reported measures (Health Assessment Questionnaire-Disability Index, patient global scores, fatigue, pain) were worse among women at baseline and throughout the study period. Men were more likely to achieve remission. CONCLUSION: At baseline, men and women had similar disease activity and joint damage. Responses to treatment over time were better among men in this prebiologic era; women had worse progression despite similar treatment.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».