Longterm Followup of Rituximab Therapy in Patients with Rheumatoid Arthritis: Results from the Belgian MabThera in Rheumatoid Arthritis Registry
Notice bibliographique
Résumé
OBJECTIVE: Our study reports the results of the MIRA (MabThera In Rheumatoid Arthritis) registry, set up to collect data about clinical usage, patient profile, and retention of rituximab (RTX) treatment in daily clinical practice in Belgium. METHODS: Patients with active rheumatoid arthritis (RA) who failed at least 1 anti-tumor necrosis factor (anti-TNF) treatment were included in our study between November 2006 and October 2011. At baseline, demographics, medication, disease history, disease activity, rheumatoid factor (RF), and anticyclic citrullinated peptide antibodies (anti-CCP) status were recorded. Evolution of the 28-joint Disease Activity Score (DAS28)-erythrocyte sedimentation rate, retreatments, and reasons for therapy stop were followed prospectively. RESULTS: The MIRA registry included 649 patients, with mean disease duration of 12.8 ± 0.4 years and DAS28 values at inclusion of 5.85 ± 0.48. Patients received on average 2.82 ± 0.07 (range 1-9) RTX treatments, over a mean followup period of 93.1 ± 2.6 weeks. At database lock, 433 patients (66.7%) were still under RTX treatment, 182 (28.0%) had stopped treatment, and 34 (5.2%) were lost to followup. Ineffectiveness (n = 108, 59%) and safety concerns (n = 39, 22%) were the most frequent reasons for discontinuing RTX therapy. From 2006 to 2011, RTX practice patterns clearly evolved toward RTX being started in patients with a lower number of previously failed anti-TNF drugs and lower baseline DAS28 values. A lower number of previous anti-TNF drugs, and positivity for RF and anti-CCP, predicted more successful longterm treatment. RTX treatment provided adequate longterm disease control. CONCLUSION: In our daily practice study, RTX provided good longterm disease control and treatment retention in refractory patients with RA. Over the years, rheumatologists tended to start this treatment in patients with fewer previous anti-TNF treatments and lower disease activity.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».