ADVANCES IN IMAGING FOR CLINICAL TRIALS IN RHEUMATIC DISEASES
Notice bibliographique
Résumé
The successful execution of clinical trials for novel anti-rheumatic compounds is increasingly approaching the limits of what can be achieved using radiographic outcomes for the assessment of disease modification. Moreover, there is a growing need for more objective tools to assess joint inflammation, especially for disorders such as axial spondyloarthritis where spinal symptoms are often non-specific and physical findings may be minimal until later stages of disease. The use of MRI to evaluate inflammation in the synovium and bone marrow as well as erosions in peripheral joints of patients with RA and PsA represents a major new advance that should now be routinely implemented in clinical trials of RA. MRI-based scoring systems have been well validated and demonstrate that, for RA, MRI changes after therapeutic intervention may be observed in a month and precede findings on radiography that only become evident after a year. The assessment of disease activity on MRI of the sacroiliac joints and spine using a standardized and well-validated method, such as the SPARCC instruments, is indispensable to the evaluation of efficacy for new agents aimed at the treatment of spondyloarthritis. Further advances include the use of whole-body MRI evaluation to assess inflammation in both the axial and peripheral skeleton as well as sequences that dispense with the requirement for the use of contrast agents, such as gadolinium, and data processing techniques that permit full automation and absolute quantification. This review will discuss how imaging is transforming clinical trials in rheumatic diseases.
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 | 0,020 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».