MétaCan
Menu
← Retour à la cohorte
Enregistrement W4294884695 · doi:10.1371/journal.pone.0274264

Disease activity trajectories for early and established rheumatoid arthritis: Real-world data from a rheumatoid arthritis cohort

2022· article· en· W4294884695 sur OpenAlexafffund
Mohammad Movahedi, Angela Cesta, Xiuying Li, Claire Bombardier

Notice bibliographique

RevuePLoS ONE · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRheumatoid Arthritis Research and Therapies
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Arthritis NetworkCanadian Institutes of Health ResearchUniversity of TorontoOntario Ministry of Health and Long-Term CareCelgeneGilead SciencesSanofiAmgenPfizerEli Lilly and Company
Mots-clésRheumatoid arthritisMedicineCohortDiseaseArthritisCohort studyInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Disease activity status described at fixed time points does not accurately reflect disease course in chronic and relapsing diseases such as rheumatoid arthritis (RA). We described longitudinal disease activity trajectories in early and established RA. METHODS: Patients with available 28-Joint Disease Activity Score-erythrocyte sedimentation rate (DAS28-ESR) and Clinical Disease Activity Index (CDAI) over two years were included. Using latent growth curve modelling (LCGM), subgroups of patients following distinct patterns were identified. RESULTS: 1920 patients were included with 34.4% in early RA (< 2 years' disease duration). Three subgroups were identified using DAS28-ESR in early RA: 1) low disease activity to remission (LDA-REM: 19.1%); 2) moderate disease to remission (MD-REM: 54%); 3) high to moderate disease (HD-MD: 26.9%). The HD-MD group had a significantly higher number of comorbidities, biologic and steroid use and lower post-secondary education. Using CDAI, we identified seven subgroups with only 1.9% remission in early RA. In established RA, seven subgroups were identified using either DAS28-ESR or CDAI. Using DAS28-ESR 27.8% with HD showed improvement in disease status (14.2% HD-REM, 10.3% HD-LDA and 3.3% HD-MD) while using CDAI 17.9% showed improvement. CONCLUSION: Disease course was different in early and established RA. Only 14.2% of established RA reached DAS28-ESR remission compared to 73.1% of early RA. Using CDAI only 1.9% of early RA and none of the established RA achieved remission, likely reflecting the impact of the patient global assessment on this score. Findings also illustrate the impact of sociodemographic characteristics and early treatment on disease course.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,277
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetRheumatoid Arthritis Research and Therapies→Travaux en français237 207→