Exploring the impact of conventional and targeted DMARDs on body weight in patients with PsA
Notice bibliographique
Résumé
OBJECTIVES: To evaluate change in body weight with DMARDs in PsA. METHODS: We analysed data from a large cohort of PsA patients with at least two weight measurements over follow-up. The absolute weight difference at one year from drug initiation was evaluated across-no medications or NSAIDs, conventional synthetic (cs) DMARDs, tumour necrosis factor inhibitors (TNFi), IL-12/23 inhibitor (i), IL-17i, IL-23i, Janus kinase inhibitors (JAKis) and apremilast classes. Two separate linear mixed models examined trends in weight change before and after treatment initiation with change-point modelling and factors affecting weight over follow-up. RESULTS: Of 1754 patients, 473 were on NSAIDs or no medications, 571 on csDMARDs, 702 on bDMARDs, 42 on JAKi and 70 on apremilast. Compared with weight at drug initiation, TNFi was associated with a weight gain at one year (1.54 kg, P < 0.01), whereas no significant change was observed with other drug classes. On change-point modelling, a significant decrease in the rate of weight change was observed following IL-17i (slope 0.63 ± 0.20 vs -0.26 ± 0.25, P < 0.01), IL-23i (0.82 ± 0.34 vs -0.56 ± 0.56, P < 0.01) and csDMARDs (0.43 ± 0.24 vs -0.20 ± 0.26, P < 0.01) compared with before treatment initiation. Factors associated with weight gain over follow-up included TNFi, IL12/23i use, male sex, follow-up duration and higher baseline weight, while with weight loss were apremilast, older age and diabetes mellitus. CONCLUSION: The rate of weight gain significantly decreases following the initiation of IL-17i, IL-23i and csDMARDs in PsA. Overall, TNFi and IL12/23i use is associated with weight gain, while apremilast with weight loss.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».