Evaluation of treatments for sacroiliitis in spondyloarthropathy using the Spondyloarthritis Research Consortium Canada scoring system
Notice bibliographique
Résumé
BACKGROUND: In this study, the Spondyloarthritis Research Consortium Canada (SPARCC) scoring method was used to compare treatment methods in patients with axial spondyloarthritis (SpA), a form of sacroiliitis. MRI abnormalities in bone marrow edema (BME) were compared before and after treatment in order to compare the efficacy of anti-TNF-α and DMARD, alone or in combination, as treatments for sacroiliitis. METHODS: Fifty-six Chinese patients with axial SpA (mean age 22.6 years) were recruited. Patients were divided into three groups according to different treatments (anti-TNF-α alone vs. DMARDs alone vs. combined anti-TNF-α and DMARDs). MRI examinations were performed before and after treatment. The SPARCC score, clinically relevant AS Disease Activity (ASDAS) indices, erythrocyte sedimentation rate (ESR), and C-reactive protein (CRP) were analyzed. RESULTS: After treatment, ASDAS and SPARCC scores, ESR, and CRP were significantly improved (P < 0.05) in the anti-TNF-α monotherapy and combination groups; however, there were no statistically significant differences (P > 0.05) in clinical disease activity and radiological inflammation of sacroiliac joint (SIJ) in patients in the DMARDs alone group. SPARCC showed a correlation with ASDAS score pre-treatment, but not post-treatment. Furthermore, there were significant changes (P < 0.05) in these patients with axial SpA after only 3 months of treatment. Follow-up studies of patients who continued therapy for 4-6 months and 9-12 months revealed statistically significant differences from baseline (P < 0.05). CONCLUSIONS: SPARCC can be used to assess severity of disease pre-treatment. Anti-TNF-α treatment resulted in effective reduction of disease activity and BME of SIJ after 3 months of therapy.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».