MétaCan
Menu
← Retour à la cohorte
Enregistrement W2795130162 · doi:10.1136/lupus-2018-abstract.5

S1D:5 Sle disease activity index glucocorticosteroid index (sledai-2kg) identifies more responders than sledai-2k

2018· article· en· W2795130162 sur OpenAlexaff
Murray B. Urowitz, Gladman Dd, Jiandong Su, N. Anderson, Zahi Touma

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensToronto Western HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePrednisoneSystemic lupus erythematosusInternal medicineClinical trialDiseasePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Background/purpose Systemic Lupus Erythematosus Disease Activity Index-2000 (SLEDAI-2K) is one of the most commonly used disease activity indices in clinical practice and research but this index doesn’t account for severity within each descriptor. Moreover, in clinical trials, the use of standard of care (SoC), which includes glucocorticosteroid (GCS) often confounds trial results. We developed and validated a novel lupus disease activity index, SLEDAI-2K GCS (SLEDAI-2KG), that describes disease activity while accounting for GCS dose. SLEDAI-2KG has the same descriptors as SLEDAI-2K in addition to a new descriptor ‘GCS’ with different weight scores based on the dose of GCS. Furthermore, SLEDAI-2KG has a low administration burden and a simple scoring system similar to SLEDAI-2K. We aimed to compare the performance of SLEDAI-2K and SGI in identifying responders in response to SoC. Methods Patients have been followed prospectively according to a standard protocol between January 2011 and January 2014, at a single lupus centre, with active disease (SLEDAI-2K≥6), on prednisone ≥10 mg/day, and with follow up visits within 5–24 months were studied. Treatment was determined based on the judgment of the treating rheumatologist. Response to SoC therapy, at first follow up visit, was assessed by SLEDAI- 2K and SLEDAI-2KG. Responders were defined based on the decrease in SLEDAI-2K and SGI score by ≥4. The performance of SLEDAI-2K and SGI was also compared using different cut-off points; 5, 6 and 7. Descriptive analysis was used. Results 111 patients met the inclusion criteria of the study and were further analysed. Patients’ characteristics are represented in table 1. SLEDAI-2KG identified more responders at 6 months (94% vs 84%) and at 12 months (92% vs 76%) compared to SLEDAI-2K by cut off of 4. SLEDAI-2KG also identified more responders with cut off points 5, 6 and 7 (table 2). Conclusion The novel index, SLEDAI-2KG, is superior to SLEDAI-2K in identifying responders at 6 and 12 months accounting for steroid dose and thus adjusting for severity within each descriptor of SLEDAI-2K. SLEDAI-2KG has the ability to enhance analyses in clinical trials to differentiate between responders on minimal and moderate/large doses of GCS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0320,004

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,334
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSystemic Lupus Erythematosus Research→Travaux en français237 207→