Framework for implementing treat-to-target in systemic lupus erythematosus routine clinical care: consensus statements from an international task force
Notice bibliographique
Résumé
Implementation of Treat-to-Target (T2T) in routine clinical practice remains low in systemic lupus erythematosus (SLE). Real-world data reveal excessive use of glucocorticoids (GCs) and frequently inadequate disease control. Here, an international task force convened to develop a consensus framework for implementing T2T in routine clinical care of adult patients with SLE. This T2T task force comprised an international panel of 22 physicians involved in the care of SLE and 3 lupus patient research partners. Following a scoping review and online discussions, during which definitions and instruments available for T2T in SLE were examined, the panel developed potential framework statements for implementing T2T in SLE, which were extensively discussed before being agreed upon by Delphi consensus. Additionally, the current challenges of implementing T2T in SLE and how future research may address these issues were analyzed. The framework comprises 5 overarching principles and 11 statements. Despite the absence of formal evidence that T2T offers superiority to conventional SLE management, T2T in SLE has been recommended for over a decade. This task force offers a framework for effectively implementing T2T in SLE from a real-life perspective, informing a wide range of physicians, including those outside the limited circle of lupus specialists.
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 | 0,355 | 0,239 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,010 |
| Bibliométrie | 0,015 | 0,010 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,011 | 0,016 |
| Intégrité de la recherche | 0,012 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».