MétaCan
Menu
Retour à la cohorte
Enregistrement W4388627625 · doi:10.25251/skin.7.supp.275

Patient-Level, Visit-by-Visit Data Highlight the Extent of Skin and Itch Improvement in Atopic Dermatitis With Lebrikizumab

2023· article· en· W4388627625 sur OpenAlexaff
Jonathan I. Silverberg, Leon Kircik, Melinda Gooderham, Gaia Gallo, Eric Wolf, Helena Agell, Fan Emily Yang, Yuxin Ding, Eric L. Simpson

Notice bibliographique

RevueSKIN The Journal of Cutaneous Medicine · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatology and Skin Diseases
Établissements canadiensSKiN Health
Organismes subventionnairesEli Lilly and Company
Mots-clésAtopic dermatitisDermatologyMedicine

Résumé

récupéré en direct d'OpenAlex

■ Lebrikizumab is a monoclonal antibody that binds with high affinity and slow dissociation rate to IL-13, thereby blocking the downstream effects of IL-13 with high potency 1 ■ Lebrikizumab has demonstrated clinical benefit in patients with moderate-to-severe AD in the randomized, placebo-controlled, Phase 3 ADvocate1 (NCT04146363) and ADvocate2 (NCT04178967) trials 2,3 OBJECTIVE ■ To report individual patients' level, visit-by-visit, of response using EASI and Pruritus NRS evaluations over 52 weeks of treatment CONCLUSIONS ■ Based on individual patient data, lebrikizumab is an efficacious treatment for AD and shows stable improvements in skin and itch measures through 1 year ■ Some patients had deep improvements (eg, EASI 100, Pruritus NRS 0) during the Induction Period; many patients also maintained or improved their skin or itch outcomes with some achieving levels of deep improvement through 1 year METHODS Study Design: ADvocate1 and ADvocate2 ABBREVIATIONS AD=atopic dermatitis; BMI=body mass index; BSA=body surface area; EASI=Eczema Area and Severity Index; EASI 100=100% improvement from baseline in EASI; EASI 90/75/50=at least 90/75/50% improvement from baseline in EASI

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,014
Tête enseignante GPT0,261
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSKIN The Journal of Cutaneous MedicineMême sujetDermatology and Skin DiseasesTravaux en français237 207