Imaging in clinical trials of axial spondyloarthritis: what type of imaging should be used
Notice bibliographique
Résumé
Axial spondyloarthritis (axSpA) is a chronic inflammatory condition predominantly affecting the sacroiliac joints and spine. Early and accurate diagnosis is crucial to prevent structural damage and improve patient outcomes. Imaging plays a pivotal role in axSpA diagnosis, monitoring, and clinical trials, offering insights into both inflammatory activity and structural progression. Conventional radiography has been foundational for detecting structural changes, such as syndesmophytes and erosions, but it is limited by poor sensitivity for early disease detection and significant interobserver variability. Advanced imaging modalities, such as magnetic resonance imaging (MRI) and low-dose computed tomography (ld-CT), have emerged as more sensitive tools. MRI excels in identifying active inflammation, particularly bone marrow edema, and is integral to early diagnosis and disease monitoring. ld-CT provides superior spatial resolution for detecting structural lesions while minimizing radiation exposure. However, challenges remain in achieving standardized imaging protocols and consistent scoring systems across clinical trials. Scoring systems like the modified Stoke Ankylosing Spondylitis Spine Score (mSASSS), Spondyloarthritis Research Consortium of Canada (SPARCC) scores, and Berlin methods require rigorous calibration to ensure reliability. The purpose of this review is to explore the strengths and limitations as well as the use in clinical trials of the different imaging modalities and to offer guidance on selecting the most suitable imaging techniques for assessing both disease activity and structural progression in clinical trials.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».