Use of the Auto-inflammatory Disease Activity Index to monitor disease activity in patients with colchicine-resistant Familial Mediterranean Fever, Mevalonate Kinase Deficiency, and TRAPS treated with canakinumab
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the feasibility of the autoinflammatory disease activity index (AIDAI) as a tool to assess disease activity in patients with hereditary recurrent fever syndromes (HRFs) treated with canakinumab. METHODS: Patients with active colchicine-resistant familial Mediterranean fever (crFMF), mevalonate kinase deficiency (MKD), or tumor necrosis factor receptor-associated periodic syndrome (TRAPS) were enrolled in the phase III CLUSTER study and asked to complete the AIDAI questionnaire daily. All patients included in the analysis were treated with canakinumab, but regimens and periods of treatment varied per study protocol. The AIDAI for each patient was calculated weekly over the first 40 weeks of study, based on the diaries completed over 30 days. Disease-specific cut-off AIDAI values for inactive disease were calculated in a ROC analysis by comparing AIDAI scores with the occurrence of clinically inactive disease, based on the physician global assessments of disease activity and the occurrence of flares. RESULTS: Sixty patients with crFMF, 70 with MKD, and 43 with TRAPS were included in the analysis. Median AIDAI scores were high during the first 4 weeks for the three disease cohorts, and decreased afterwards, with some differences between disease cohorts. AIDAI values of 12.0, 9.6 and 15.5 were obtained as the most optimal thresholds to discriminate patients with inactive disease, with sensitivity and specificity values mostly over 75%. CONCLUSIONS: The AIDAI allows to discriminate between patients with active and inactive HRFs, and can be used in clinical practice to monitor the disease course of patients and the effect of medications.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 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 ».