MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410268196 · doi:10.1164/ajrccm.2025.211.abstracts.a1376

Reduction of Exacerbations According to Type 2 Inflammatory Biomarkers With Dupilumab Treatment in Patients With Chronic Obstructive Pulmonary Disease (COPD)

2025· article· en· W4410268196 sur OpenAlexaff
Simon Couillard, Sanjay Ramakrishnan, Ian Pavord, Yunus Çolak, Roland Buhl, Gaëtan Deslée, Déborah Bauer, Mena Soliman, J. Heble

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Obstructive Pulmonary Disease (COPD) Research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMedicineDupilumabCOPDPulmonary diseaseInternal medicineIntensive care medicineAsthma

Résumé

récupéré en direct d'OpenAlex

Abstract RATIONALE: Type 2 (T2) inflammatory biomarkers, such as blood eosinophil counts (BEC) or fractional exhaled nitric oxide (FeNO) may help to predict response to therapy. Dupilumab, a human monoclonal antibody, blocks interleukin-4/13 signaling, key and central drivers of T2 inflammation. In BOREAS and NOTUS, add-on dupilumab 300 mg q2w vs placebo reduced moderate-or-severe exacerbation rates and T2 biomarkers and improved lung function in patients with COPD and T2 inflammation. Safety was consistent with the known dupilumab profile. This post hoc analysis of BOREAS and NOTUS explored the predictive value of baseline BEC and FeNO, for response to dupilumab treatment in patients with COPD and T2 inflammation. METHODS: BOREAS (NCT03930732) and NOTUS (NCT04456673), phase 3, randomized, placebo-controlled trials, enrolled 1874 patients (40-85 years) with moderate-to-severe COPD and T2 inflammation (screening BEC ≥300 cells/μL) on triple therapy (inhaled corticosteroids, long-acting β2-agonists, and long-acting muscarinic antagonists). Patients received dupilumab 300 mg q2w or placebo for 52 weeks. The annualized moderate-or-severe exacerbation rates over a range of T2 biomarkers (baseline BEC and FeNO) was evaluated using a negative binominal model which included treatment group, study, region, inhaled corticosteroid dose, smoking status at screening, baseline disease severity, number of moderate-or-severe COPD exacerbation events within one year prior to the study and a first-degree fractional polynomial transformation of the biomarker as a continuous variable, and the biomarker-by-treatment interaction. RESULTS: Reductions in annual exacerbation rates were observed over a range of baseline BEC (estimate [95% CI] – dupilumab: 0.57 [0.51, 0.63] for 300 cells/μL to 0.58 [0.51, 0.65] for 900 cells/μL; placebo: 0.81 [0.73, 0.89] for 300 cells/μL to 0.81 [0.73, 0.89] for 900 cells/μL). Reduction in treatment rate ratio for exacerbations was observed with increasing baseline FeNO levels from 0.69 (0.60, 0.80) (FeNO ≥20 ppb) to 0.56 (0.46, 0.69) (FeNO ≥40 ppb), indicating a significant predictive value (P=0.006) for treatment by baseline FeNO interaction unlike baseline BEC (P=0.087). Reductions in annual exacerbation rates were also observed regardless of baseline IgE levels (estimate [95% CI] – dupilumab: 0.56 [0.50, 0.63] for IgE 100 IU/mL to 0.53 [0.44, 0.63] for IgE 1,000 IU/mL; placebo: 0.82 [0.74, 0.90] for IgE 100 IU/mL to 0.78 [0.67, 0.92] for IgE 1,000 IU/mL). CONCLUSION: In BOREAS and NOTUS, dupilumab reduced exacerbations compared to placebo independently of baseline BEC and IgE. Baseline FeNO levels were associated with a greater response to intervention with dupilumab, implying utility to manage T2 inflammatory COPD.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,300
Écart entre enseignants0,289 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Respiratory and Critical Care Medicine→Même sujetChronic Obstructive Pulmonary Disease (COPD) Research→Travaux en français237 207→