Experience with tofacitinib in Canada: patient characteristics and treatment patterns in rheumatoid arthritis over 3 years
Notice bibliographique
Résumé
OBJECTIVES: To describe characteristics, treatment patterns and persistence in patients with RA treated with tofacitinib, an oral Janus kinase inhibitor, in Canadian clinical practice between 1 June 2014 and 31 May 2017. METHODS: Data were obtained from the tofacitinib eXel support programme. Baseline demographics and medication history were collected via patient report/special authorization forms; reasons for discontinuation were captured by patient report. Treatment persistence was estimated using Kaplan-Meier methods, with data censored at last follow-up. Cox regression was applied to analyse baseline characteristics associated with treatment discontinuation. RESULTS: The number of patients with RA enrolled from 2014 to 2017 was 4276; tofacitinib utilization increased during that period, as did the proportion of biologic (b) DMARD-naïve patients prescribed tofacitinib. Of patients who initiated tofacitinib, 1226/3678 (33.3%) discontinued, mostly from lack of efficacy (35.7%) and adverse events (26.9%). Persistence was 62.7% and 49.6% after 1 and 2 years of treatment, respectively. Prior bDMARD experience predicted increased tofacitinib discontinuation (vs bDMARD-naïve, P < 0.001). Increased retention was associated with older age (56-65 years and >65 years vs ⩽45 years; P < 0.05), and time since diagnosis of 15 to <20 years (vs <5 years; P < 0.01). In bDMARD-naïve, post-1 bDMARD, post-2 bDMARD and post-⩾3 bDMARD patients, median survival was >730, 613, 667 and 592 days, respectively. CONCLUSION: Since 2014, tofacitinib use in Canadian patients with RA increased, especially among bDMARD-naïve/post-1 bDMARD patients. Median drug survival was ∼2 years. Likelihood of persistence increased for bDMARD-naïve (vs bDMARD-experienced) patients and those aged ⩾56 (vs ⩽45) years.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».