The impact of seropositivity on the effectiveness of biologic anti-rheumatic agents: results from a collaboration of 16 registries
Notice bibliographique
Résumé
OBJECTIVES: RF and ACPA are used as diagnostic tools and their presence has been associated with clinical response to some biologic DMARDs (bDMARDs) in RA. This study compared the impact of seropositivity on drug discontinuation and effectiveness of bDMARDs in patients with RA, using head-to-head comparisons in a real-world setting. METHODS: We conducted a pooled analysis of 16 observational RA registries. Inclusion criteria were a diagnosis of RA, initiation of treatment with rituximab (RTX), abatacept (ABA), tocilizumab (TCZ) or TNF inhibitors (TNFis) and available information on RF and/or ACPA status. Drug discontinuation was analysed using Cox regression, including drug, seropositivity, their interaction, adjusting for concomitant and past treatments and patient and disease characteristics and accounting for country and calendar year of bDMARD initiation. Effectiveness was analysed using the Clinical Disease Activity Index evolution over time. RESULTS: Among the 27 583 eligible patients, the association of seropositivity with drug discontinuation differed across bDMARDs (P for interaction <0.001). The adjusted hazard ratios for seropositive compared with seronegative patients were 1.01 (95% CI 0.95, 1.07) for TNFis, 0.89 (0.78, 1.02)] for TCZ, 0.80 (0.72, 0.88) for ABA and 0.70 (0.59, 0.84) for RTX. Adjusted differences in remission and low disease activity rates between seropositive and seronegative patients followed the same pattern, with no difference in TNFis, a small difference in TCZ, a larger difference in ABA and the largest difference in RTX (Lundex remission difference +5.9%, low disease activity difference +11.6%). CONCLUSION: Seropositivity was associated with increased effectiveness of non-TNFi bDMARDs, especially RTX and ABA, but not TNFis.
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 | 0,001 | 0,003 |
| 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 ».