Relation between reduction in fractional exhaled nitric oxide and efficacy in asthma patients treated with dupilumab
Notice bibliographique
Résumé
<b>Background:</b> FeNO, a biomarker that detects interleukin (IL) -4 and -13–mediated inflammation, is predictive of higher exacerbation rates in placebo treated patients. During QUEST, dupilumab, which blocks the receptor for IL-4/−13, reduced severe asthma exacerbations, improved lung function and was generally well tolerated in asthma patients. <b>Aims:</b> Evaluation of the relation between FeNO change from baseline at Week 52 and efficacy in subgroups of patients with type 2 asthma at baseline in QUEST. <b>Methods:</b> Patients with baseline blood eosinophils ≥ 150 cells/µL or FeNO ≥ 20 ppb and patients with FeNO ≥ 25 ppb were analyzed. Annualized rate of severe exacerbations (AER) in the 52-week treatment period and change from baseline in pre-bronchodilator FEV1 at Week 52 were derived as function of FeNO change at Week 52 using spline models. <b>Results:</b> The dupilumab subgroups showed lower AERs, compared to placebo. Greater improvements in FEV1 at Week 52 were associated with greater reductions in FeNO at Week 52 in dupilumab and placebo, although patients treated with dupilumab showed higher lung function results compared to placebo (Fig). <b>Conclusions:</b> Dupilumab lowered the AER versus placebo, regardless of the reduction in FeNO. Greater reductions in FeNO (at Week 52) were associated with greater improvements in FEV1 at Week 52 with dupilumab treated patients, versus placebo, displaying enhanced lung function.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».