069. Prognostic Factors for Intravenous Abatacept Retention in Patients Who have Received at Least One Prior Biologic Agent: 2-Year Results from a Prospective, International, Real-World Study
Notice bibliographique
Résumé
Background: To identify prognostic factors of retention for abatacept (ABA) treatment in patients with moderate-to-severe RA, using final results from the real-world ACTION study. Methods: ACTION was a 2-year follow up, non-interventional, international, multicentre, cohort study that evaluated retention and effectiveness of i.v. ABA in adults with moderate-to-severe RA in Europe and Canada (May 2008 to January 2011). Socio-demographics, disease characteristics, previous/concomitant therapies and comorbidities at ABA initiation were considered potential prognostic variables of retention. Patients who had received ≥1 prior biologic agent in countries with sufficient patient numbers to explore between-country effects were included. Clinically relevant variables, known risk factors and prognostic factors with a p ≤ 0.10 (univariate analysis) were entered into a multivariate Cox proportional hazards regression model, with clustered data adjusted for one investigator. Factors with p ≤ 0.10 after backward selection were retained in the final model. Co-linearity and interactions were assessed. Additional analysis to account for missing data in covariates was performed using multiple imputation by chained equations.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».