Treat-to-target Endpoint Definitions in Systemic Lupus Erythematosus: More Is Less?
Notice bibliographique
Résumé
The use of treat-to-target (T2T) strategies has revolutionized the treatment of rheumatoid arthritis (RA) and other chronic diseases such as hypertension and diabetes. Evidence that attainment of a prespecified endpoint is associated with improved longterm outcomes dates to the TICORA study of 2003, which used a prespecified definition of low disease activity1. From that auspicious beginning of T2T in rheumatology, we have now come full circle. For example, the American College of Rheumatology (ACR)/European League Against Rheumatism definition of remission in RA was grounded on empirical analysis of factors contributing to improved outcomes2. These prospectively derived and comprehensively validated endpoints form the basis of RA treatment guidelines that are now routinely applied in clinical practice3, contributing to a transformation in outcomes for patients with RA that includes significant improvements in survival4. Sadly, in systemic lupus erythematosus (SLE) the same story cannot yet be told. In the same 2 decades in which profound mortality improvements in RA were observed4, there has been virtually no improvement in mortality in SLE5, and only 1 novel target therapy has been approved6. Many trials of targeted therapies have been done, but have failed; reasons for the shortage of breakthrough medicines for SLE include the clinical and biological heterogeneity of the disease. However, a lack of well-validated endpoints is certainly a contributory factor to the recurrent failure of clinical trials in SLE; a report in January 2019 in Nature Biotechnology 7 highlighted the lack of validated endpoints for trials in SLE as a “crisis.” T2T studies such … Address correspondence to E.F. Morand, Monash Medical Centre, 246 Clayton Road, Clayton 3168, Melbourne, Australia. E-mail: eric.morand{at}monash.edu
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 | 0,377 | 0,400 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,015 | 0,007 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,005 | 0,029 |
| Communication savante | 0,019 | 0,040 |
| Science ouverte | 0,012 | 0,018 |
| Intégrité de la recherche | 0,014 | 0,058 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».