Impact of psoriasis severity on patient-reported clinical symptoms, health-related quality of life and work productivity among US patients: real-world data from the Corrona Psoriasis Registry
Notice bibliographique
Résumé
Objectives This analysis examined the association between psoriasis severity, assessed by body surface area (BSA) and the Investigator’s Global Assessment (IGA; previously used only in clinical trials), and patient-reported outcomes (PROs) in a real-world setting. Design Cross-sectional analysis within the Corrona Psoriasis Registry, an independent, prospective registry. Setting 70 dermatology practices in the USA. Participants 1529 adult patients with psoriasis being treated with biological or non-biological systemic psoriasis treatment by 31 May 2016. Primary and secondary outcome measures Psoriasis severity was assessed by percentage of affected BSA (mild (0%–5%), moderate (>5%–10%), severe (>10%–15%), very severe (>15%)) and IGA scores (clear/almost clear (0–1), mild (2), moderate (3), severe (4)). PROs (pain, itch, fatigue; Dermatology Life Quality Index [DLQI]; EuroQoL Visual Analogue Scale [EQ-VAS]; Work Productivity and Activity Impairment [WPAI]) were compared across BSA and IGA levels using analysis of variance and X 2 tests. The association between psoriasis severity and PROs was examined using multivariable regression models. Results The mean age was 50.6 years and 47% of patients were female. Consistently with more severe psoriasis, symptoms worsened, DLQI scores increased (p<0.05 for each level of BSA and IGA), EQ-VAS decreased (p<0.05 for each level of BSA and IGA) and WPAI scores increased. By BSA score, moderate to very severe psoriasis was associated with poorer outcomes for the ‘impairment while working’ and ‘daily activities impaired’ WPAI domains (all p<0.05 vs mild psoriasis). Very severe psoriasis was associated with increased ‘work hours missed’ and ‘work hours affected’ (both p<0.05 vs mild psoriasis) Findings were similar by IGA. Results were confirmed by multivariable regression analyses. Conclusions In a real-world setting, more severe psoriasis, assessed by BSA and IGA, was consistently associated with worse PROs.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».