MétaCan
Menu
Retour à la cohorte
Enregistrement W3104170303 · doi:10.7573/dic.2020-8-5

Emerging systemic JAK inhibitors in the treatment of atopic dermatitis: a review of abrocitinib, baricitinib, and upadacitinib

2020· review· en· W3104170303 sur OpenAlexaff
Novin Nezamololama, Keira A Fieldhouse, Kristy C. Metzger, Melinda Gooderham

Notice bibliographique

RevueDrugs in Context · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueDermatology and Skin Diseases
Établissements canadiensProbity Medical ResearchQueen's UniversityTrent UniversitySKiN Health
Organismes subventionnairesnon disponible
Mots-clésMedicineJanus kinaseRheumatoid arthritisPsoriatic arthritisTyrosine kinase 2Atopic dermatitisPsoriasisClinical trialAdverse effectImmunologyPharmacologyCytokineInternal medicineReceptor

Résumé

récupéré en direct d'OpenAlex

The Janus kinases (JAK) are a group of molecules, composed of JAK1, JAK2, JAK3, and tyrosine kinase 2 (TYK2), which are key components within the JAK-signal transducers and activators of transcription pathway, where cytokine receptor signaling takes place. These molecules play a foundational role in the underlying pathogenesis of multiple immune-related conditions such as atopic dermatitis (AD), rheumatoid arthritis, psoriatic arthritis, inflammatory bowel disease, and others. Thus far, JAK inhibitors for inflammatory conditions have only been marketed for the treatment of rheumatoid arthritis and psoriatic arthritis, but ongoing phase II and phase III clinical trials for other immune-mediated diseases, such as AD, have also shown promising results. This review summarizes the clinical data available from various trials and reports on the safety and efficacy of abrocitinib, baricitinib, and upadacitinib, the three oral systemic JAK inhibitors used in the treatment of AD. The safety and efficacy of JAK inhibitors for the treatment of AD are emerging in the literature. It is important that dermatologists are aware of any potential adverse events or risks associated with the use of JAK inhibitors in order to promote a higher standard of treatment and quality of living.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,332
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations103
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrugs in ContextMême sujetDermatology and Skin DiseasesTravaux en français237 207