Effects of TNF-α Inhibitors on Abdominal Adiposity in Patients with Inflammatory Rheumatic Diseases
Notice bibliographique
Résumé
To the Editor: We read with great interest the recent contribution by Hmamouchi, et al 1. They reported an early and significant increase in abdominal adiposity in patients with spondyloarthritis (SpA; mainly male subjects) while receiving anti-tumor necrosis factor (TNF)-α treatment. The patients were evaluated in a 2-year prospective study for body composition using dual-energy X-ray absorptiometry (DEXA; Hologic QDR 2000), and specific DEXA software was used to distinguish subcutaneous adipose tissue (SAT) and visceral adipose tissue (VAT). The results showed an increase in both SAT (+31.9 cm2 or +24.2%) and VAT (+29.1 cm2 or +32.4%) at 2 years in this population, raising the question of the relationship between these changes in adipose tissue and cardiovascular (CV) risk. This is not the first study to examine the issue of adipose tissue modifications during anti-TNF therapy. We previously evaluated the longterm consequences of anti-TNF treatment on body composition and fat distribution, together with changes in serum … Address correspondence to Prof. É. Toussirot, University Hospital of Besançon, Clinical Investigation Center for Biotherapy INSERM CIC-1431, Place St. Jacques, 25000 Besançon, France. E-mail: etoussirot{at}chu-besancon.fr
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 | 0,001 | 0,004 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».