Factors predicting persistence of biologic drugs in psoriasis: a systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Long-term therapy for psoriasis is impaired by gradual loss of effectiveness and treatment discontinuation. Identifying factors that affect biologic drug survival may help in treatment optimization. OBJECTIVES: To identify factors that predicted biologic drug persistence or discontinuation in a real-life setting. METHODS: We identified studies of biologic persistence in psoriasis through a comprehensive, systematic literature search using predefined search criteria. Studies were screened by title and abstract then further by full-text review. Hazard ratio (HR) data were extracted for all available predictive factors (HRs > 1 denoted biologic discontinuation, and HRs < 1 denoted biologic persistence). A meta-analysis of HRs (random-effects model) was used to assess any predictive factor included in at least two studies. RESULTS: = 67%). Other reported predictive factors (smoking, metabolic syndrome, biologic naivety, age, Dermatology Life Quality Index, dyslipidaemia, high socioeconomic status and concomitant methotrexate) were insufficiently reported for meta-analysis. CONCLUSIONS: Our meta-analysis demonstrates that female sex and obesity predict biologic discontinuation, and concomitant psoriatic arthritis predicts biologic survival. What's already known about this topic? Ineffectiveness is the main factor that causes drug discontinuation during long-term treatment of psoriasis. It is unclear which factors and comorbidities impact drug persistence. What does this study add? Female sex and obesity predict biologic discontinuation due to ineffectiveness and adverse events. Concomitant psoriatic arthritis is associated with improved drug persistence.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».