Predictive Factors for the Long-Term Clinical Course in Patients with Rheumatoid Arthritis Receiving Second-Line Anti-Rheumatic Drugs in Real-World Practice: An Analysis Using Disease Activity Trajectory-Based Clustering Approach
Notice bibliographique
Résumé
Abstract Background: The purpose of this study was to stratify patients with rheumatoid arthritis (RA) according to the trend of disease activity by trajectory-based clustering and to identify the predictive factors for treatment response and the switching patterns of biologics according to trajectory groups. Methods: We analysed the data from a nationwide RA cohort from the Korean College of Rheumatology Biologics and Targeted Therapy (KOBIO) registry. Patients treated with second-line disease-modifying anti-rheumatic drugs (DMARDs) were included. Trajectory modeling for clustering was used to group the disease activity trend. The predictive factors and switching patterns of biologics for each trajectory were investigated.Results: The trends in the disease activity of 688 RA patients were clustered into 4 groups: rapid decrease and stable disease activity (group 1, N = 319), rapid decrease followed by an increase (group 2, N = 36), slow and continued decrease (group 3, N = 290), and no decrease in disease activity (group 4, N = 43). In the multivariable analysis for predictive factors, current smoking (OR, 7.845; 95% CI 2.158–28.220), low hemoglobin (OR 0.694; 95% CI, 0.532–0.901), and high initial disease activity score according to the 28-joint assessment (DAS28) (OR, 2.397; 95% CI, 1.638–3.586) were significantly associated with group 4 compared with group 1. Group 1 had a higher proportion of patients who had never had switching (86.5%) and who were initially treated with non-TNF inhibitors (44.2%) compared with groups 2 (52.8% and 25%), 3 (50.3% and 23.4%), and 4 (25.6% and 18.6%).Conclusions: The trajectory-based approach was useful for clustering the disease activity in longitudinal data in patients with RA. Among the four trajectories, the group with sustained high disease activity was associated with current smoking, low hemoglobin, high initial DAS28, and frequent switching of biologics.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».