Effect of abrocitinib on skin biomarkers in patients with moderate‐to‐severe atopic dermatitis
Notice bibliographique
Résumé
BACKGROUND: This is the first report on the effects of abrocitinib, a Janus kinase 1-selective inhibitor, on the expression of skin biomarkers in patients with moderate-to-severe atopic dermatitis (AD). METHODS: JADE MOA (NCT03915496) was a double-blind Phase 2a trial. Adults were randomly assigned 1:1:1 to receive monotherapy with once-daily abrocitinib 200 mg, abrocitinib 100 mg, or placebo for 12 weeks. The primary endpoint was change from baseline in markers of inflammation (matrix metalloproteinase [MMP]-12), epidermal hyperplasia (keratin-16 [KRT16]), T-helper 2 (Th2) immune response (C-C motif chemokine ligand [CCL]17, CCL18, and CCL26), and Th22 immune response (S100 calcium binding protein A8, A9, and A12 [S100A8, S100A9, and S100A12]) in skin through 12 weeks. RESULTS: A total of 46 patients received abrocitinib 200 mg (n = 14), abrocitinib 100 mg (n = 16), or placebo (n = 16). Abrocitinib improved AD clinical signs and reduced itch. Gene expression of MMP-12, KRT16, S100A8, S100A9, and S100A12 was significantly decreased from baseline with abrocitinib 200 mg (at Weeks 2, 4, and 12) and abrocitinib 100 mg (at Weeks 4 and 12) in a dose-dependent manner. Abrocitinib 200 mg resulted in significant decreases from baseline in CCL17 expression at Week 12 and CCL18 expression at Weeks 2, 4, and 12; no significant decreases were observed for CCL26. CONCLUSIONS: Alongside improvements in clinical signs and symptoms of AD, 12 weeks of abrocitinib treatment resulted in downregulation of genes associated with inflammation, epidermal hyperplasia, and Th2 and Th22 immune responses in the skin of patients with moderate-to-severe AD.
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 ».