Tofacitinib therapy in refractory inflammatory myositis: a retrospective cohort study of 41 patients
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the efficacy and safety of tofacitinib in treatment-refractory inflammatory myositis in a real-world clinical setting. METHODS: All patients with refractory inflammatory myositis treated with tofacitinib from a single urban centre in Vancouver, British Columbia, Canada, were included from June 2016 to December 2022. The medical records of these patients were retrospectively reviewed. RESULTS: A total of 41 patients were included, 23 with classic DM, 12 with amyopathic DM (ADM) and six with PM phenotype. The patients failed an average of four to five non-steroidal immunosuppressants before initiation of tofacitinib. In the classic DM and ADM group, tofacitinib offered clinically and statistically significant cutaneous improvement. In all myositis patients including the PM phenotype, no meaningful muscle strength response to tofacitinib was observed. 53.7% of the patients discontinued tofacitinib due to lack of benefit or death. Of the 19 patients who remained on tofacitinib at the conclusion of this study, tofacitinib demonstrated clinically and statistically significant improvement in cutaneous disease activity. CONCLUSION: Tofacitinib appears to be highly effective in targeting cutaneous manifestations in classic DM and ADM; however, minimal benefit in muscle strength in the DM or PM phenotype were observed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».