Biologic Therapy for Psoriatic Arthritis or Moderate to Severe Plaque Psoriasis: Systematic Review with Pairwise and Network Meta-Analysis
Notice bibliographique
Résumé
Background: A comprehensive assessment of the risk-benefit profile of biologic agents in psoriasis is lacking. We conducted a network meta-analysis of randomized trials on biologic agents in psoriasis. Methods: Trials on biologic agents in psoriasis (including psoriatic arthritis) were sought in several databases. Endpoints were ≥75% Reduction in the Psoriasis Area and Severity Index (PASI75), ≥20% improvement in the American College of Rheumatology core set of outcomes (ACR20), serious adverse events (SAE), and adverse events (AE) at the longest available non-cross-over follow-up. Random-effect methods were used to obtain pairwise and network pooled estimates. Results: A total of 52 trials with 17,617 patients and 9 different biologic agents included, with 52% affected by psoriatic arthritis. After an average follow-up of 18 weeks, treatment with placebo was associated with a 5.9% (5.2%-6.6%) rate of PASI75, 17.4% (15.1%-19.6%) of ACR20, 2.4% (1.9%-2.8%) of SAE, and 51.8% (50.2%-53.4%) of AE. Several biologic agents provided higher PASI75 rates than placebo, with golimumab yielding the most favorable results (relative risk [RR]=14.02 [6.85-17.11]). Accordingly, several agents provided higher ACR20 rates than placebo, with infliximab yielding the most favorable results (RR=3.02 [1.67-4.55]). Overall, rates of SAE and AE were higher for several but not all biologic agents versus placebo, with golimumab being associated with the most favorable results for SAE (RR=0.40 [0.11-1.41]), and abatacept for AE (RR=1.00 [0.79-1.22]). Conclusions: Efficacy and safety of biologic agents for psoriasis differ, and clinicians should bear in mind these features to maximize safety and efficacy in the individual patient.
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 | 0,008 | 0,006 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».