Impending radiographic erosive progression over the following year in a cohort of consecutive patients with inflammatory polyarthritis: prediction by serum biomarkers
Notice bibliographique
Résumé
BACKGROUND/PURPOSE: To evaluate biomarkers as predictors of impending erosion progression. METHODS: Variables were measured at baseline and annually up to 5 years in patients with recent-onset polyarthritis treated to zero swollen joints. Erosive status was defined as ≥5 Units in Sharp/van der Heijde Erosion Score; Rapid Erosive Progression (REP) was defined as an increase ≥5 Units in Erosion Scores between consecutive visits. Generalised estimating equations (GEEs) evaluated the effect on REP of positive anticyclic citrullinated peptides (ACPAs) and/or rheumatoid factor (RF), C-reactive protein ˃8.0 mg/L (High-CRP) and 14-3-3η protein ≥0.50 ng/mL (High-14-3-3η), alone and in combinations. RESULTS: Out of 2155 evaluations in 749 consecutive patients, REP occurred after 186 (8.6%) visits, including 13 (2.2%) in patients recruited since 2010. Only 18/537 (3.4%; 6/411 (1.5%) in non-erosive vs 12/126 (9.5%) in patients already erosive) visits without any positive biomarker were followed by REP; at least one biomarker was positive prior to REP in 168/186 (90.3%) visits. Being positive for all four biomarkers conferred a positive predictive value (PPV) of 30.0% (RR 21.8) in patients non-erosive at the visit versus 35.5% (RR 3.07) in those already erosive. High-14-3-3η increased REP only in visits with High-CRP (eg, RR 2.5 to 3.9 when ACPA also positive) and in patients with non-erosive status (eg, RR from 4.3 to 9.4 when also High-CRP). CONCLUSIONS: Adding High-14-3-3η to positive antibodies and CRP improves prediction of impending REP. Although REP is becoming rarer, signatures of biomarkers might help to adapt treatment strategies in at-risk individuals, even those already erosive.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».