Association between musculoskeletal sonographic features and response to treatment in patients with psoriatic arthritis
Notice bibliographique
Résumé
OBJECTIVE: To investigate the association between musculoskeletal sonographic features and clinical features, as well as treatment outcomes, in patients with active psoriatic arthritis (PsA). METHODS: A prospective cohort study was conducted involving patients with active PsA. Disease activity was assessed clinically at baseline and 3-6 months after initiating therapy, with a Disease Activity Index for PsA (DAPSA) score calculated. A baseline ultrasound examination of 64 joints, 28 tendons and 16 entheses evaluated the following lesions: synovitis, peritenonitis, enthesitis, tenosynovitis, new bone formation and erosions. Total scores for each lesion and total inflammatory and structural scores were calculated. The association between baseline sonographic scores and treatment outcomes was assessed using Cox proportional hazards models (for drug persistence) and generalised estimating equation models for DAPSA change. RESULTS: A total of 135 treatment periods (107 patients) were analysed. Multivariable analysis showed that a greater reduction in DAPSA score at follow-up was associated with higher baseline synovitis (β -3.89), peritenonitis (β -3.93) and enthesitis structural scores (β -2.91). Additionally, the total inflammatory score independently predicted DAPSA change (β -5.23) regardless of the total structural damage score. Drug persistence was analysed in 105 treatment periods, revealing that a higher sonographic erosion score was associated with earlier drug discontinuation (adjusted HR 1.28, 95% CI 1.03 to 1.61). CONCLUSION: The study results provide preliminary evidence supporting the utility of musculoskeletal ultrasound in predicting treatment response and drug persistence in PsA.
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 ».