Temporal trends in vascular medication use in 8079 patients with systemic sclerosis: insights to inform future trials and therapeutic strategies from the EUSTAR cohort
Notice bibliographique
Résumé
OBJECTIVES: Systemic sclerosis (SSc) is characterized by widespread vascular damage resulting in digital and systemic vasculopathic sequelae. Although there are effective treatments available, vascular disease remains a significant cause of morbidity and mortality in SSc. Our aim was to describe patterns of vascular medication use in SSc, including examination for potential changes over time. METHODS: A cross-sectional study of SSc patients enrolled in the EUSTAR database meeting 2013 ACR/EULAR SSc criteria. Patients were divided into two time periods: 2012-2017 and 2018-2022. We analysed the prescription patterns of endothelin receptor antagonists (ERA), phosphodiesterase type-5 inhibitors (PDE5i), calcium channel blockers (CCB), intravenous iloprost, and antiplatelet therapies. Logistic regression was used to evaluate temporal trends and interaction effects. RESULTS: A total of 8079 patients were included. Significant increases over time were observed in the use of ERA (7% to 12%, P < 0.001), PDE5i (5.4% to 7.2%, P = 0.064), CCB (20% to 32%, P < 0.001) and anti-platelet therapies (15% to 20%, P < 0.001). There was a notable decrease in iloprost use (3.1% to 0.3%, P < 0.001). The prevalence of active digital ulcers (DU) decreased (16% to 13%, P = 0.040), while a history of DU (24% to 30%, P < 0.001) increased. Year-by-year and non-linear increases were noted for ERA and CCB whereas non-linear increase was observed for PDE5i. Year-by-year and non-linear decrease was observed for Iloprost prescription. CONCLUSION: A significant change has occurred over time in vascular medication use in SSc patients, with increased utilization of ERA, PDE5i, CCB and anti-platelet therapies suggesting the adoption of more proactive and/or preventive treatment strategies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».