Disparities in healthcare in psoriatic arthritis: an analysis of 439 patients from 13 countries
Notice bibliographique
Résumé
OBJECTIVES: Patient care can vary substantially by country. The objective was to explore differences in psoriatic arthritis (PsA) across countries for disease activity, impact and treatments. METHODS: A cross-sectional analysis of 13 countries from the Remission/Flare in PsA study (NCT03119805) of consecutive adult patients with definite PsA was performed. Countries were classified into tertiles by gross domestic product (GDP)/capita. Disease activity (Disease Activity in PsA, DAPSA and Minimal Disease Activity, MDA) and their components, disease impact (patient-reported outcomes) and biological disease-modifying antirheumatic drugs (bDMARDs) were analysed per country and compared between the three tertiles of GDP/capita by parametric and non-parametric tests. We also explored the percentage of patients with significant disease activity (DAPSA >14) and no ongoing bDMARD prescription. RESULTS: In 439 patients (50.6% male, mean age 52.3 years, mean disease duration 10.1 years), disease activity and disease impact were higher in the lowest GDP/capita countries. DAPSA remission and MDA were attained in the lowest tertile in 7.0% and 18.4% patients, vs 29.1% and 49.5% in the middle tertile and 16.8% and 41.3% in the high tertile, respectively (all p<0.001). bDMARDs use was similar in the tertiles (overall mean 61%). The overall rate of patients with DAPSA >14 and no bDMARDs was 18.5%, and was higher in lower GDP/capita countries (p=0.004). CONCLUSION: PsA patients from countries with the lowest GDP/capita, despite similar use of bDMARDs, were more likely to have high disease activity and worse disease impact. There is a need for more equity in healthcare.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».