Association of previous treatment with anti-tumour necrosis factor inhibitors with the effectiveness of secukinumab in the treatment of psoriatic arthritis: systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVES: We sought to systematically investigate the effectiveness of secukinumab in psoriatic arthritis (PsA) patients who previously received TNFs inhibitor (TNFi) treatment and those who were TNFi naïve. METHODS: Databases (PubMed, EMBase and Cochrane library) and ClinicalTrials.gov were searched from inception to 22 May 2020 for randomized control trails and observational studies of secukinumab, with or without a history of previous anti-TNFi treatment, in PsA. Effectiveness data were extracted and combined using a random-effects meta-analysis. The ACR20 and ACR50 (20% and 50% improvement in American College of Rheumatology response criteria) responses were the endpoints. RESULTS: Six randomized controlled trials that reported the effectiveness of secukinumab by previous anti-TNFi treatment were included. Among patients exposed to a prior anti-TNFi treatment (n = 738), 33.7% (249/738) of patients achieved an ACR20 response. In contrast, in the anti-TNFi-naïve group (n = 1754), 49.8% (873/1754) of patients achieved an ACR20 response. Prior treatment with anti-TNFi was significantly associated with a poorer response to secukinumab compared with the anti-TNFi-naïve group with an effect size of 2.09 (95% CI: 1.69, 2.58). CONCLUSION: Some patients benefit from switching from TNFi to secukinumab, but previous anti-TNFi treatment is associated with poorer effectiveness of secukinumab.
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 | 0,012 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,040 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».