Why Do Optimal Targets for Itch and Skin Clearance Matter in Atopic Dermatitis Treatment? Insights from TARGET-DERM AD Registry
Notice bibliographique
Résumé
Introduction/Background: Atopic dermatitis (AD) patients undergoing treatment may only experience partial improvement in itch and skin lesions, often leading to suboptimal outcomes. The Aiming High in Eczema/Atopic Dermatitis (AHEAD) treat-to-target recommendations emphasize the importance of achieving optimal treatment targets, such as complete or near-complete itch relief and skin clearance. However, there is limited evidence on the impact of achieving these higher efficacy targets on patient-reported outcomes and quality of life in AD. Objectives: To evaluate the independent and combined effects of achieving optimal treatment targets for itch and skin clearance on patient-reported outcomes (PROs) in AD, based on the AHEAD treat-to-target recommendations. Method: A cross-sectional analysis was conducted on adult participants in TARGET-DERM AD, a longitudinal study with over 4,000 participants across 52 U.S. and Canadian clinical-practice sites (2019-2024). Itch severity was measured using the PROMIS Itch-Severity question (NRS-Itch, 0–10 scale), with scores of 0/1 indicating no or minimal itch. Skin severity was assessed using the validated Investigator Global Assessment (vIGA-AD), where 0/1 represents clear or almost clear skin. Associations between itch and skin severity with optimal patient outcomes including POEM 0–2 (clear/almost-clear disease), DLQI 0/1 (minimal/no impact on quality of life), NRS-Sleep 0/1, and NRS-Pain 0/1 were evaluated. Logistic regression models examined the main and interaction effects of itch and skin severity. Results: Among 1,920 patients (58.6% female; 54.5% Non-Hispanic White; 93.8% US; mean age 45 years), optimal DLQI, POEM, NRS-Sleep, and NRS-Pain occurred most frequently among those achieving the optimal treatment targets for itch (WI-NRS 0/1; 52.1%, 53.7%, 57.3%, and 83.1%, respectively) and skin clearance (vIGA-AD 0/1; 44.7%, 44.3%, 44.7%, and 74.3%, respectively). Compared to partial improvement, the adjusted odds ratios (aOR) of optimal PROs were greatest for participants with complete or near-complete resolution of both itch and skin lesions (DLQI 0/1: 20.0; POEM 0-2: 41.7; Sleep-NRS: 16.1; Pain-NRS: 6.0). Conclusions: Achieving optimal treatment targets for both itch and skin lesions markedly enhances patient-reported outcomes in AD. The results of this real-world study support treat-to-optimal targets to assess therapeutic effectiveness and optimize patient outcomes.
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 | 0,009 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».