Biologic and Non-Biologic Therapies for Scalp Psoriasis: A Network Meta-analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
INTRODUCTION: Scalp psoriasis affects up to 80% of patients with plaque-type psoriasis and is often resistant to topical and conventional systemic agents. There is a lack of consensus on a "gold standard" treatment. OBJECTIVE: This comprehensive review and network meta-analysis aimed to compare the efficacy and safety of studied interventions. METHODS: The Ovid MEDLINE(R), Embase, and Cochrane databases were searched from 01 January 2000 to 05 October 2022. All English-language randomized controlled trials evaluating an intervention for scalp psoriasis were included if they reported one of the following clinical outcomes: Psoriasis Scalp Severity Index (PSSI), scalp Physician Global Assessment (ScPGA), scalp-specific Investigator or Physician Global Assessment (IGA/PGA), and Total Sign Score (TSS), and adverse events. A random effects network meta-analysis was performed where possible, and network plots were generated. RESULTS: Of 1,046 studies identified, 35 met the inclusion criteria, with seven in the PSSI analysis and 16 in the IGA analysis. All interventions led to an improvement in all outcomes when compared to placebo in the PSSI and PGA/IGA. For the PSSI response, secukinumab 300 mg every four weeks (Q4W) was the most effective (SUCRA 0.991). For the PGA/IGA response, bimekizumab 320 mg Q4W was the most effective (SUCRA 0.975). CONCLUSIONS: Several systemic therapies are superior to placebo in improving clinical outcomes, with secukinumab 300 mg Q4W and bimekizumab 320 mg Q4W deemed the most effective among biologic agents analyzed. Efforts to enhance research standardization, including head-to-head trials with standardized outcome measures, diverse patient recruitment, and long-term follow-up, are crucial next steps in assessing treatment efficacy and adverse events.
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 | 0,034 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,045 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».