A novel multi-biomarker combination predicting relapse from long-term remission after discontinuation of biological drugs in rheumatoid arthritis
Notice bibliographique
Résumé
Biological disease modifying anti-rheumatic drugs (bDMARDs) show dramatic treatment efficacy in rheumatoid arthritis (RA). Long-term use of bDMARDs, however, has disadvantages such as high costs and infection risk. Therefore, a methodology is needed to predict any future RA relapse. Herein, we report a novel multi-biomarker combination which predicts relapse after bDMARDs-withdrawal in patients in remission. Forty patients with RA in remission for more than 12 months were enrolled. bDMARDs were withdrawn and they were followed monthly for the next 24 months. Fourteen patients (35%) of 40 in the cohort remained in remission at 24 months, whereas 26 (65%) relapsed at various time-points. Serum samples obtained longitudinally from patients in remission were assessed for the relapse-prediction biomarkers and index from 73 cytokines by the exploratory multivariate ROC analysis. The relapse-prediction index calculated from the 5 cytokines, IL-34, CCL1, IL-1β, IL-2 and IL-19, strongly discriminated between patients who relapsed and those who stayed in remission. These findings could contribute to clinical decision-making as to the timing of when to discontinue bDMARDs in RA treatment.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».