Effect of Treatment on Imaging, Clinical, and Serologic Assessments of Disease Activity in Large-vessel Vasculitis
Notice bibliographique
Résumé
OBJECTIVE: Disease activity in large-vessel vasculitis (LVV) is traditionally assessed by clinical and serological variables rather than vascular imaging. This study determined the effect of treatment on 18F-fluorodeoxyglucose positron emission tomography (FDG-PET) vascular activity in relation to clinical- and serologic-based assessments. METHODS: Patients with giant cell arteritis (GCA) or Takayasu arteritis (TA) were prospectively evaluated at 6-month intervals in an observational cohort. Treatment changes were made at least 3 months before the followup visit and categorized as increased, decreased, or unchanged. Imaging (FDG-PET qualitative analysis), clinical, and serologic (erythrocyte sedimentation rate, C-reactive protein) assessments were determined at each visit and compared over interval visits. RESULTS: Serial assessments were performed in 52 patients with LVV (GCA = 31; TA = 21) over 156 visits. Increased, decreased, or unchanged therapy was recorded for 36-, 23-, and 32-visit intervals, respectively. When treatment was increased, there was significant reduction in disease activity by imaging, clinical, and inflammatory markers (p ≤ 0.01 for each). When treatment was unchanged, all 3 assessments of disease activity remained similarly unchanged over 6-month intervals. When treatment was reduced, PET activity significantly worsened (p = 0.02) but clinical and serologic activity did not significantly change. Treatment of GCA with tocilizumab and of TA with tumor necrosis factor inhibitors resulted in significant improvement in imaging and clinical assessments of disease activity, but only rarely did the assessments both become normal. CONCLUSION: In addition to clinical and serologic assessments, vascular imaging has potential to monitor disease activity in LVV and should be tested as an outcome measure in randomized clinical trials.
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 | 0,001 |
| 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 | 0,000 | 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 ».