Adherence to Objective Therapeutic Monitoring and Outcomes in Patients with Inflammatory Bowel Disease with Adalimumab Treatment. A Real-world Prospective Study
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Objective monitoring and effective early treatment using a treat-to-target approach are key to improving therapeutic outcomes in IBD patients. This study aimed to assess adherence to objective monitoring (clinical, biomarkers, and endoscopy) and its impact on clinical outcomes. METHODS: A prospective, multicenter study included consecutive IBD patients starting on adalimumab therapy between January 2019 and December 2020. Disease activity, assessed by the Harvey-Bradshaw index (HBI), partial Mayo, C-reactive protein (CRP), fecal calprotectin (FCAL), and endoscopy were evaluated at adalimumab initiation and 3, 6, 9 and 12 months. Therapeutic drug monitoring, changes in treatment, drug sustainability, and clinical outcomes were assessed. RESULTS: 104 IBD patients were enrolled (78.8% CD, median age 34.3 years, disease duration 9 years). During the 12 months follow-up, high adherence to clinical activity assessment was observed in both CD (81.3%- 87.7%) and UC patients (76.5-90.9%). CRP measurement decreased over time in both CD (37.3%-54.9%) and UC (29.4%-50.0%). The adherence to serial FCAL monitoring was low in CD (22.7-31.3%) and UC patients (17.6-56.0%). UC patients had higher adherence to early endoscopic assessment (<6 months) compared to CD patients (40.9% vs. 21.5%). Adherence to early combined clinical and biomarkers resulted in earlier dose optimization in CD and UC (log-rank<0.001), but drug sustainability was not different. The patients with early combined adherence had a significantly higher clinical remission rate at 1 year compared to non-adherence (70.2% vs. 29.8%, p=0.007) but no significant difference in UC patients. CONCLUSIONS: The adherence to early objective monitoring with combined clinical and biomarkers assessment in IBD patients starting adalimumab therapy led to dose optimization and improved 1-year clinical remission in CD but did not change drug sustainability and clinical remission in UC.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».