MétaCan
Menu
Retour à la cohorte
Enregistrement W4408591396 · doi:10.1001/jamadermatol.2025.0144

Systemic Therapies for Psoriatic Disease and Serious Infections in Older Adults

2025· letter· en· W4408591396 sur OpenAlexaffabout
Aaron M. Drucker, Rinku Sutradhar, Vicki Ling, Jodi M. Gatley, Lihi Eder, Christine Fahim, Michael Fralick, Tara Gomes, Ping Li, Morris F. Manolson, Paula A. Rochon, Mina Tadrous

Notice bibliographique

RevueJAMA Dermatology · 2025
Typeletter
Langueen
DomaineMedicine
ThématiqueSpondyloarthritis Studies and Treatments
Établissements canadiensSinai Health SystemInstitute for Clinical Evaluative SciencesPublic Health OntarioWomen's College HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePsoriatic arthritisTofacitinibInternal medicineCohortPopulationDiseasePsoriasisCohort studyImmunologyRheumatoid arthritisEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Importance: Systemic treatments for psoriatic disease affect the immune system and may increase infection risk. Older adults are at high risk for infection, and the relative safety of systemic treatments for them is unknown. Objective: To evaluate the association of systemic treatments for psoriatic disease with rates of serious infection among older adults. Design, Setting, and Participants: This cohort study used linked population-based health administrative data from 2002 to 2021 in Ontario, Canada. Participants included Ontario residents 66 years and older with psoriatic disease who were dispensed their first systemic medication between April 1, 2002, and December 31, 2020. Data were analyzed between November 2021 and August 2024. Exposure: Time-varying use of systemic medications categorized as (1) methotrexate; (2) other older systemic medications; (3) anti-tumor necrosis factor (anti-TNF) biologics; (4) other biologics (targeting interleukin [IL]-12, IL-23, and IL-17); and (5) tofacitinib. Main Outcomes and Measures: The main outcome was time to serious infection, defined as hospitalization for any infectious cause occurring up to March 2021. Multivariable Andersen-Gill recurrent event regression was used to estimate the association between each medication category and serious infection rates. The relative rates (RRs) of serious infection with 95% CIs for time actively using each medication category vs time not using that medication category were calculated. Results: Of 11 641 new users of systemic therapy, 6114 (53%) were female, and the median (IQR) age was 71 (68-76) years. There were 1967 serious infections during a median (IQR) of 4.8 (2.3-8.4) years of follow-up. There were 2.7 serious infections per 100 person-years using methotrexate, 2.5 per 100 person-years using other older systemic drugs, 2.2 per 100 person-years using anti-TNF biologics, 1.4 per 100 person-years using other biologics, and 8.9 per 100 person-years using tofacitinib. In the multivariable-adjusted model, methotrexate (RR, 0.95 [95% CI, 0.85-1.07]), other older systemic medications (RR, 0.92 [95% CI, 0.79-1.07]), and anti-TNF biologics (RR, 0.87 [95% CI, 0.69-1.10]) were not associated with serious infection compared to person-time not using those respective medications. Other biologics (RR, 0.65 [95% CI, 0.48-0.88]) were associated with lower rates of serious infection, whereas tofacitinib (RR, 2.89 [95% CI, 1.14-7.34]) was associated with higher rates of serious infection. Conclusions and Relevance: In this cohort study, biologics targeting IL-12, IL-23, or IL-17 were associated with a lower rate of serious infection among older adults with psoriatic disease. These biologics may have important safety benefits for older adults with higher infection risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,905

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,251
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations6
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA DermatologyMême sujetSpondyloarthritis Studies and TreatmentsTravaux en français237 207