MétaCan
Menu
← Retour à la cohorte
Enregistrement W2810801686 · doi:10.3899/jrheum.171050

Do Poor Prognostic Factors in Rheumatoid Arthritis Affect Treatment Choices and Outcomes? Analysis of a US Rheumatoid Arthritis Registry

2018· article· en· W2810801686 sur OpenAlexvenueno aff
E. Alemao, Heather J. Litman, Seán Connolly, Sheila Kelly, Winnie Hua, Lisa Rosenblatt, Sabrina Rebello, Joel M. Kremer, Leslie R. Harrold

Notice bibliographique

RevueThe Journal of Rheumatology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRheumatoid Arthritis Research and Therapies
Établissements canadiensnon disponible
Organismes subventionnairesMomenta PharmaceuticalsAmgenPfizerGenentechHorizon PharmaAstraZenecaEli Lilly and CompanyBristol-Myers Squibb
Mots-clésMedicineRheumatoid arthritisInternal medicineLogistic regressionClinical diseaseConcomitantDiseasePhysical therapy

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To characterize patients with rheumatoid arthritis (RA) by number of poor prognostic factors (PPF: functional limitation, extraarticular disease, seropositivity, erosions) and evaluate treatment acceleration, clinical outcomes, and work status over 12 months by number of PPF. METHODS: Using the Corrona RA registry (January 2005-December 2015), biologic-naive patients with diagnosed RA having 12-month (± 3 mos) followup were identified and categorized by PPF (0-1, 2, ≥ 3). Changes in medication, Clinical Disease Activity Index (CDAI), and work status (baseline-12 mos) were evaluated using linear and logistic regression models. RESULTS: There were 3458 patients who met the selection criteria: 1489 (43.1%), 1214 (35.1%), and 755 (21.8%) had 0-1, 2, or ≥ 3 PPF, respectively. At baseline, patients with ≥ 3 PPF were older, and had longer RA duration and higher CDAI versus those with 0-1 PPF. In 0-1, 2, and ≥ 3 PPF groups, respectively, 20.9%, 23.2%, and 26.5% of patients received ≥ 1 biologic (p = 0.011). Biologic/targeted synthetic disease-modifying antirheumatic drug (tsDMARD) use was similar in patients with/without PPF (p = 0.57). After adjusting for baseline CDAI, mean (standard error) change in CDAI was -4.95 (0.24), -4.53 (0.27), and -2.52 (0.34) for 0-1, 2, and ≥ 3 PPF groups, respectively. More patients were working at baseline but not at 12-month followup in 2 (13.9%) and ≥ 3 (12.5%) versus 0-1 (7.3%) PPF group. CONCLUSION: Despite high disease activity and worse clinical outcomes, number of PPF did not significantly predict biologic/tsDMARD use. This may warrant reconsideration of the importance of PPF in treat-to-target approaches.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,296
Écart entre enseignants0,279 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rheumatology→Même sujetRheumatoid Arthritis Research and Therapies→Travaux en français237 207→