Predictive Factors for Long-Term High Responders to Upadacitinib Treatment in Patients with Atopic Dermatitis
Notice bibliographique
Résumé
Abstract: Background: Upadacitinib, a Janus kinase 1 inhibitor, is an effective medicine for moderate-to-severe atopic dermatitis (AD). Identifying long-term responders to upadacitinib is crucial for optimal treatment strategies in real-world clinical practice. To identify predictive factors for long-term high responders to upadacitinib 15 mg or 30 mg, defined as achievers of investigator’s global assessment (IGA) 0/1 with ≥2-point improvement from baseline IGA at week 48. Methods: A retrospective study was conducted from August 2021 to September 2023 on 63 AD patients treated with upadacitinib 15 mg and 31 patients with 30 mg. Patients of each group were categorized into long-term high responders (achievers of IGA 0/1 at week 48) and low responders (non-achievers). We compared baseline values of clinical indexes and laboratory parameters between long-term responders and nonresponders. Results: In 15 mg group, long-term high responders showed lower rate of bronchial asthma (BA), lower values of baseline eczema area and severity index (EASI) of head and neck, IgE, and systemic inflammatory response index (SIRI) compared with low responders. In 30 mg group, long-term high responders showed lower baseline levels of IgE compared with low responders. Conclusion: Patients with lower baseline EASI of head and neck, IgE, or SIRI or without BA and those with lower baseline IgE may have a higher potential to become long-term high responders to upadacitinib 15 mg and 30 mg treatment, respectively.
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 ».