Practical Recommendations on Laboratory Monitoring in Patients with Atopic Dermatitis on Oral JAK Inhibitors
Notice bibliographique
Résumé
Oral Janus kinase inhibitors (JAKi), a class of advanced targeted systemic therapy, have demonstrated efficacy and safety in the treatment of moderate-to-severe atopic dermatitis (AD). Like other small molecules, oral JAKi have the potential for off-target effects including laboratory-related adverse events (AEs). Product labels for oral JAKi recommend an initial laboratory assessment and follow-up 4-12 weeks later to monitor for potential changes, based on evidence from clinical trials across therapeutic indications for oral JAKi, which may not reflect a population of moderate-to-severe AD patients typically seen in routine clinical practice. To address this gap, a panel of eight dermatologists with clinical and research experience with oral JAKi for the management of AD conducted a targeted review of the literature focused on key laboratory-related AEs associated with oral JAKi in the moderate-to-severe AD population. Based on the synthesis of evidence and informed opinion, a set of best practice statements related to fundamental standards of care and consensus recommendations on laboratory monitoring were suggested, and level of agreement was ascertained using a Likert scale from 0 to 100. There was a high level of agreement on three of the four suggested recommendations related to assessment and monitoring of key laboratory parameters and to dose reduction or switching in response to laboratory changes; there was a lower level of agreement related to the frequency of ongoing laboratory monitoring. Appropriate patient selection and laboratory assessment is an important strategy to mitigate the potential risks associated with oral JAKi when treating 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 ».