Associations Between Safety of Certolizumab Pegol, Disease Activity, and Patient Characteristics, Including Corticosteroid Use and Body Mass Index
Notice bibliographique
Résumé
Objective To investigate the impact of baseline and time‐varying factors on the risk of serious adverse events (SAEs) in patients during long‐term certolizumab pegol (CZP) treatment. Methods Safety data were pooled across 34 CZP clinical trials in rheumatoid arthritis (RA), axial spondyloarthritis (axSpA), psoriatic arthritis (PsA), and plaque psoriasis (PSO). Cox proportional hazards modeling was used to investigate the association of baseline patient characteristics with risk of serious infectious events (SIEs), malignancies, and major adverse cardiac events (MACEs). Cox modeling for recurrent events assessed the impact of time‐varying body mass index (BMI), systemic corticosteroid (CS) use, and disease activity on SIE risk in RA and SAE risk in PSO. Results Data were pooled from 8747 CZP‐treated patients across indications. Cox models reported a 44% increase in SIE risk associated with a baseline BMI of 35 kg/m 2 or more versus a baseline BMI of 18.5 kg/m 2 to less than 25 kg/m 2 . Baseline systemic CS use, age of 65 years or more, and disease duration of 10 years or longer also increased SIE risk. Older age was the only identified risk factor for malignancies. The risk of MACEs increased 107% for BMI of 35 kg/m 2 or more versus BMI of 18.5 kg/m 2 to less than 25 kg/m 2 and increased 51% for men versus women. Higher disease activity, older age, systemic CS use, BMI of 35 kg/m 2 or more, and baseline comorbidities were SIE risk factors in RA. Age and systemic CS use were risk factors for SAEs in PSO. Conclusion Age, BMI, systemic CS use, and disease activity were identified as SIE risk factors in CZP‐treated patients. Risk of malignancies was greater in older patients, whereas obesity and male sex were MACE risk factors.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».