Tumor Necrosis Factor Inhibitor Monotherapy Versus Combination Therapy for the Treatment of Psoriatic Arthritis: Combined Analysis of European Biologics Databases
Notice bibliographique
Résumé
Objective. To investigate whether tumor necrosis factor inhibitor (TNFi) combination therapy with conventional synthetic disease-modifying antirheumatic drugs (csDMARD) is more effective for psoriatic arthritis (PsA) and/or improves TNFi drug survival compared to TNFi monotherapy. Methods. Five PsA biologics cohorts were investigated between 2000 and 2015: the ATTRA registry (Czech Republic); the Swiss Clinical Quality Management PsA registry; the Hellenic Registry of Biologics Therapies (Greece); the University of Bari PsA biologics database (Italy); and the Bath PsA cohort (UK). Drug persistence was analyzed using Kaplan-Meier and equality of survival using log-rank tests. Comparative effectiveness was investigated using logistic regression with propensity scores. Separate analyses were performed on (1) the combined Italian/Swiss cohorts for change in rate of Disease Activity Score in 28 joints (DAS28); and (2) the combined Italian, Swiss, and Bath cohorts for change in rate of Health Assessment Questionnaire (HAQ). Results. In total, 2294 patients were eligible for the drug survival analysis. In the Swiss (P= 0.002), Greek (P= 0.021), and Bath (P= 0.014) databases, patients starting TNFi in combination with methotrexate had longer drug survival compared to monotherapy, while in Italy the monotherapy group persisted longer (P= 0.030). In eligible patients from the combined Italian/Swiss dataset (n = 1056), there was no significant difference between treatment arms in rate of change of DAS28. Similarly, when also including the Bath cohort (n = 1205), there was no significant difference in rate of change of HAQ. Conclusion. Combination therapy of a TNFi with a csDMARD does not appear to affect improvement of disease activity or HAQ versus TNFi monotherapy, but it may improve TNFi drug survival.
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 | 0,015 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».