A Prediction Model for Successful Increase of Adalimumab Dose Intervals in Patients with Crohn’s Disease: Secondary Analysis of the Pragmatic Open-Label Randomised Controlled Non-inferiority LADI Trial
Notice bibliographique
Résumé
BACKGROUND: In the pragmatic open-label randomised controlled non-inferiority LADI trial we showed that increasing adalimumab (ADA) dose intervals was non-inferior to conventional dosing for persistent flares in patients with Crohn's disease (CD) in clinical and biochemical remission. AIMS: To develop a prediction model to identify patients who can successfully increase their ADA dose interval based on secondary analysis of trial data. METHODS: Patients in the intervention group of the LADI trial increased ADA intervals to 3 and then to 4 weeks. The dose interval increase was defined as successful when patients had no persistent flare (> 8 weeks), no intervention-related severe adverse events, no rescue medication use during the study, and were on an increased dose interval while in clinical and biochemical remission at week 48. Prediction models were based on logistic regression with relaxed LASSO. Models were internally validated using bootstrap optimism correction. RESULTS: We included 109 patients, of which 60.6% successfully increased their dose interval. Patients that were active smokers (odds ratio [OR] 0.90), had previous CD-related intra-abdominal surgeries (OR 0.85), proximal small bowel disease (OR 0.92), an increased Harvey-Bradshaw Index (OR 0.99) or increased faecal calprotectin (OR 0.997) were less likely to successfully increase their dose interval. The model had fair discriminative ability (AUC = 0.63) and net benefit analysis showed that the model could be used to select patients who could increase their dose interval. CONCLUSION: The final prediction model seems promising to select patients who could successfully increase their ADA dose interval. The model should be validated externally before it may be applied in clinical practice. CLINICAL TRIAL REGISTRATION NUMBER: ClinicalTrials.gov, number NCT03172377.
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 | 0,064 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».