MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406687882 · doi:10.1093/ecco-jcc/jjae190.1437

P1263 Real-World Evidence Needs for Treatment Sequence Disease Modelling in Refractory Inflammatory Bowel Disease

2025· article· en· W4406687882 sur OpenAlexaboutno aff
P Kodjamanova, Myrlene Sanon, Mariya Dimova, E.Q. Wu, Petar Atanasov

Notice bibliographique

RevueJournal of Crohn s and Colitis · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammatory Bowel Disease
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInflammatory bowel diseaseRefractory (planetary science)DiseaseSequence (biology)Intensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Sequential use of biologics in Inflammatory Bowel Disease (IBD) is often required in clinical practice to restore or maintain long-term remission. Health technology agencies are requiring treatment sequencing models which are more reflective of clinical practice. The accurate modelling of treatment sequences would help better understand expected patient benefit and make more informed decisions. The aim of our targeted literature review (TLR) was to identify real-world evidence (RWE) on the effectiveness of second-line or later treatments for Crohn’s disease (CD) or ulcerative colitis (UC) refractory to initial therapy and assess its suitability for treatment sequence modelling. Methods We identified observational studies from Europe, the United States (US), and Canada via EMBASE, MEDLINE, and MEDLINE-In-Process (searched from 01/01/2018 to 11/12/2023). Study selection was conducted by a senior researcher and quality was checked by a second one. Evidence was analysed to assess the availability of clinical remission and response, and steroid-free remission data by line of therapy and across various time points. We then conducted a gap analysis against the evidence needs of a treatment sequence model Results After screening a total of 145 publications were included for data extraction in the review: 61 in ulcerative colitis (UC), 50 in Crohn’s disease (CD), and 34 in combined IBD. Studies were predominantly conducted in Europe (n=95), followed by the US (n=26), and Canada (n=3). A total of 12 studies reported clinical remission for first line, four for second line, and two each for third and fourth lines of treatments of refractory patients with UC. Additionally, eight studies reported data for first line, seven for second line, eight for third line, three for fourth line, and two for fifth line treatments of refractory patients with CD. The remaining studies combined results for multiple lines of treatment. Clinical remission during maintenance for patients with CD ranged between 47% - 79%, 38% - 87%, 28% - 68%, and 16% - 63%, for first, second, third, and fourth line, respectively and 40%-67%, 35% - 77%, 41% - 47%, and 16% - 21% for patients with UC. Studies lacked granularity in the assessment of clinical remission and response specific to individual treatments, stratified by specific treatment failure history Conclusion Studies identified in our evidence review did not report sufficiently granular data on clinical response or remission to reliably inform a treatment sequence model. Addressing these data gaps is essential for enabling more reliable decision-making in clinical practice, supporting better resource allocation, and ultimately improving long-term outcomes for refractory patients with IBD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,101
score de la tête « metaresearch » (Gemma)0,396
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,536

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1010,396
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,011
Bibliométrie0,0130,011
Études des sciences et des technologies0,0010,002
Communication savante0,0080,006
Science ouverte0,0040,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,294
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Crohn s and Colitis→Même sujetInflammatory Bowel Disease→Travaux en français237 207→