Systematic review of newer agents for the management of alopecia areata in adults: Janus kinase inhibitors, biologics and phosphodiesterase‐4 inhibitors
Notice bibliographique
Résumé
Management options for moderate-to-severe alopecia areata (AA) are limited owing to a lack of safe and effective treatments suitable for long-term use. However, newer agents have the potential to induce and maintain hair regrowth in patients with a better side-effects profile compared to systemic steroids or conventional systemic agents. In this article, we conducted a systematic review of newer agents, including Janus kinase (JAK) inhibitors, biologics and phosphodiesterase-4 (PDE-4) inhibitors, for the treatment of AA in adult patients evaluated in randomized controlled trials (RCTs) using the Severity of Alopecia Tool score. A literature search was performed on PubMed and ClinicalTrials.gov, which identified 106 items with 12 RCTs eligible for review. Information regarding the treatment regimen, duration, endpoints, efficacy and adverse events were extracted; product monograph information was also summarized for approved agents with or without indications for AA. Overall, current data suggest the oral JAK inhibitors (baricitinib, ritlecitinib, deuruxolitinib, brepocitinib) as a promising new class of agents that can induce significant hair regrowth, with mild to moderate adverse effects. Baricitinib recently received US FDA approval for the treatment of severe AA, while ritlecitinib and deuruxolitinib have received the breakthrough therapy designation for AA. In contrast, PDE-4 inhibitors (apremilast) and the biologics (dupilumab, secukinumab and aldesleukin) appear to have limited efficacy thus far. Results from ongoing and future long-term studies could shed light on the utility of the newer agents in altering the progression of AA.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».