MétaCan
Menu
Retour à la cohorte
Enregistrement W4408522992 · doi:10.57264/cer-2024-0225

Efficacy and safety of advanced therapies for moderately to severely active ulcerative colitis in induction and maintenance: systematic literature review and Bayesian network meta-analysis

2025· review· en· W4408522992 sur OpenAlexaff
Vipul Jairath, Tim Raine, Thomas P. Leahy, Ravi Potluri, Karolina Wosik, David Gruben, Joseph C. Cappelleri, Peter Hur, Lauren Bartolome

Notice bibliographique

RevueJournal of Comparative Effectiveness Research · 2025
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammatory Bowel Disease
Établissements canadiensPfizer (Canada)Western University
Organismes subventionnairesnon disponible
Mots-clésMedicineTofacitinibInternal medicineMaintenance therapyUlcerative colitisMeta-analysisRandomized controlled trialClinical trialPlaceboAlternative medicineChemotherapyDiseaseRheumatoid arthritisPathology

Résumé

récupéré en direct d'OpenAlex

Aim: Several therapies have recently been licensed for the treatment of patients with moderately to severely active ulcerative colitis (UC). To provide comparative evidence of newly available treatments, Bayesian network meta-analyses were conducted to compare their relative efficacy and safety profiles in both the induction and maintenance phases. Materials & methods: A systematic literature review was conducted to identify the available literature on randomized controlled trials for advanced treatments (AT) of moderately to severely active UC. Bayesian network meta-analyses were used to synthesize evidence on prespecified efficacy and safety outcomes. Primary efficacy end points clinical response and clinical remission were measured at the end of induction and clinical response and clinical remission among induction phase responders were assessed at the end of the maintenance period. Efficacy outcomes were analyzed separately for AT-naive and -experienced populations. Safety outcomes included serious infections over the induction period, and serious infections among others over the maintenance period. Treat-through trial outcomes were adjusted to align with responder rerandomized trial outcomes. Results: The systematic review identified 58 relevant trials of which 28 met criteria for inclusion in the main analysis networks. At the end of the induction period, all treatments were efficacious against placebo for both AT-naive and AT-experienced populations. Upadacitinib 45 mg demonstrated a higher likelihood of clinical response and remission compared with other treatments. Adalimumab had less favorable performance over the induction period. Among induction phase responders, most treatments demonstrated similar efficacy at the end of the maintenance period. Tofacitinib 10 mg was more likely to achieve clinical response and remission than several other treatments in the AT-naive population. In the AT-experienced population, upadacitinib 30 mg demonstrated a higher likelihood of clinical response and remission compared with other treatments. The safety outcomes among treatments were similar. Conclusion: This study provides an updated comparison of treatments for moderately to severely active UC. Most treatments demonstrated comparable efficacy at the end of maintenance. The findings from this study can inform decision making in treatment choice for patients with moderately to severely active UC.

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)0,022
score de la tête « metaresearch » (Gemma)0,058
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,058
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0160,035
Bibliométrie0,0100,009
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,434
Écart entre enseignants0,352 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Comparative Effectiveness ResearchMême sujetInflammatory Bowel DiseaseTravaux en français237 207