Biologics initiation in moderate versus severe rheumatoid arthritis: real-world experience from a Canadian registry
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the treat-to-target experience, and quality of life measures of moderate and severe rheumatoid arthritis (RA) patients initiating a biologic in a real-world setting of a publicly funded payer system. METHODS: Biologic naive RA patients who had initiated their first biologic while enrolled in the Ontario Best Practices Research Initiative registry from 2008 to 2020 were selected if they had moderate (DAS28 >3.2 to ≤5.1) or severe (DAS28 >5.1) RA. Remission, LDA, DAS28, HAQ-DI, fatigue, sleep, drug persistence and characteristics associated with remission were assessed at 12 months post biologic initiation. RESULTS: Overall, 838 patients initiated their first biologic, 264 had moderate RA and 219 had severe RA. After 12 months, 44% moderate RA vs. 21% severe RA achieved remission (p<0.0001), and 59% moderate RA vs. 35% severe RA reached LDA (p<0.0001). Mean change (SD) from baseline in DAS28 was 2.2 (1.5) in severe RA vs. 1.4 (1.3) in moderate RA (p<0.0001), in fatigue score was 1.11 (3.2) in severe RA vs. 0.98 (3.2) in moderate RA (p<0.0001). Moderate disease at a biologic initiation was positively associated with remission (p=0.0016). Female gender (p=0.0170), and a higher HAQ-DI score at baseline (p=0.0042) were negatively associated with remission. Biologic persistence was 77% for moderate, and 73% for severe (p=0.2444). CONCLUSIONS: Severe RA patients had higher mean score improvements in DAS28, sleep and fatigue. Moderate RA was more likely to reach remission or LDA. Both groups had similar biologic persistence at 12 months. These findings highlight the importance of the treat-to-target approach and its potential underutilisation in the real-world setting.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».