MétaCan
Menu
Retour à la cohorte
Enregistrement W4385453173 · doi:10.1089/derm.2023.0058

Efficacy and Risk Stratification of Janus Kinase Inhibitors in the Treatment of Moderate-to-Severe Atopic Dermatitis

2023· review· en· W4385453173 sur OpenAlexvenueno aff
Shanthi Narla, Jonathan I. Silverberg

Notice bibliographique

RevueDermatitis · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueDermatology and Skin Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineJanus kinaseAtopic dermatitisJanus kinase inhibitorAdverse effectRisk stratificationDermatologyNarrative reviewRandomized controlled trialDupilumabInternal medicineQuality of life (healthcare)Clinical trialOncologyIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Recently, 3 oral Janus kinase (JAK) inhibitors-abrocitinib, baricitinib, and upadacitinib-were approved in many regions around the world for the treatment of moderate-severe atopic dermatitis (AD). These JAK inhibitors generally have rapid onset of action and short half-life. Higher doses of abrocitinib and upadactinib even demonstrated superior efficacy to dupilumab. However, JAK inhibitors can be associated with rare serious and potentially life-threatening adverse events. Heterogeneity in study designs and lack of head-to-head studies make safety comparison between JAK inhibitors difficult. Dose reduction and patient selection are the most important considerations for risk mitigation. This narrative review examines the efficacy data for abrocitinib, baricitinib, and upadacitinib from large phase III double-blinded randomized controlled trials in AD and discusses risk stratification for oral JAK inhibitors in AD patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,829

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,322
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatitisMême sujetDermatology and Skin DiseasesTravaux en français237 207