Systematic review and meta-analysis: real-world data rates of deep remission with anti-TNFα in inflammatory bowel disease
Notice bibliographique
Résumé
BACKGROUND: Deep remission (DR) is a treatment target in IBD associated with reduced hospitalization and improved outcome. Randomized control trial (RCT) data demonstrates efficacy of anti-TNFα agents in achieving DR; however, real-world data (RWD) can provide information complementary to RCTs, specifically regarding treatment duration. In this systematic review with meta-analysis, we use real-world data (RWD) to determine rates of DR in IBD treated with anti-TNFα. METHODS: We completed a systematic search of MEDLINE and EMBASE on July 8, 2019 with review of major gastrointestinal conference abstracts from 2012 to 2019. Studies utilizing RWD (data not from phase I-III RCTs) of adult IBD patients treated with anti-TNFα agents were included. DR was defined by clinical and endoscopic remission at minimum. DR was assessed at 8 weeks, 6 months, 1 year, and 2 years. Risk of bias was assessed with the Newcastle Ottawa Scale. RESULTS: 29,033 publications were identified. Fifteen publications, nine manuscripts and six conference abstracts, were included encompassing 1212 patients (769 Crohn's disease-CD, 443 ulcerative colitis-UC), and analyzed using Comprehensive Meta-Analysis. Rate of DR was 36.4% (95% CI 12.6-69.4%) at 8 weeks, 39.1% (95% CI 10.4-78%) at 6 months, 44.4% (95% CI 34.6-54.6%) at 1 year, and 36% (95% CI 18.7-58%) at 2 years. DR in CD at 1 year was 48.6% (95% CI 32.8-64.7%) and in UC was 43.6% (95% CI 32.8-55.1%). CONCLUSIONS: The rate of DR was highest after 1 year of therapy, in nearly 45% of IBD patients treated with anti-TNFα. Similar rates were achieved between patients with UC and CD. The findings highlight the efficacy of anti-TNFα in real-world setting. Future studies using RWD can determine efficacy of newer IBD therapeutics in routine clinical practice.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».