The Effect of Biologic Therapies on Serum Metabolic Biomarkers in Patients with Psoriatic Arthritis
Notice bibliographique
Résumé
Objectives Since biologic therapies such as TNF inhibitors (TNFi) and IL-17 inhibitors (IL-17i) may affect the cardio-metabolic profile of patients with psoriatic arthritis (PsA),[1-3] we assessed their short-term effects on serum metabolites in patients with PsA, and determined whether these metabolite changes differed across the 2 drug classes. Methods A nested cohort study was conducted among participants with available serum samples from a longitudinal PsA cohort who initiated TNFi or IL-17i therapy. Serum samples prior to initiation of therapy, and 3 to 6 months after initiation of therapy, were used to quantify 64 metabolic biomarkers using a Nuclear Magnetic Resonance targeted metabolomics panel, which comprised lipid particles, amino acids and various other metabolites. T tests were used to compare differences in metabolite levels before versus after therapy within each drug class. Linear mixed effects models assessed the effect of each drug class on changes in metabolite levels adjusting for age, sex, lipid lowering drugs, diabetes, hypertension and menopause. Results 163 patients were analyzed between 2013 and 2021 (mean age 51 ± 12.6 years, 45.5% female). Among TNFi users, levels of alanine, glycine, citrate and creatinine significantly increased post-treatment, whereas levels of glycoprotein acetyls (GlycA), a marker of systemic inflammation, decreased. Among IL-17i users, concentrations of citrates significantly increased post-treatment, whereas alanine, glycine, histidine, GlycA and creatinine decreased. When comparing biomarkers between classes of medications, post- and pre-treatment levels differed significantly for alanine, glycine, histidine, citrate, GlycA and creatinine. In models adjusted for age and sex involving TNFi users, levels of alanine (Estimate [EST] 0.034; 95% CI 0.008, 0.06), glycine (EST 0.029; 95% CI 0.02, 0.04), phenylalanine (EST 0.006; 95% CI 0.001, 0.01), citrate (EST 0.008; 95% CI 0.005, 0.01) and creatinine (EST 3.87; 95% CI 0.41, 7.4) increased post-treatment, whereas acetate (EST −0.03; 95% CI −0.03,−0.02) and GlycA (EST −0.05; 95% CI −0.09,−0.01) decreased (Table 1). In models adjusted for age and sex involving IL-17i users, changes were observed among fewer biomarkers, with low-density lipoprotein (LDL) particle size (EST 0.04; 95% CI 0.009, 0.07) increasing post-treatment, and levels of histidine (EST−0.005; 95% CI −0.008,−0.003) and acetone (EST −0.005; 95% CI −0.009,−0.001) decreasing. Conclusion TNFi and IL-17i appear to differentially affect the metabolic profile of patients with PsA. Treatment with TNFi was associated with more changes in metabolite profiles than IL-17i, including changes associated with systemic inflammation (GlycA) and amino acids. The implication of these changes on long-term cardio-metabolic risk needs further research. [1.] Roubille C. Ann Rheum Dis 2015;74(3):480-9. [2.] Sattar N. Arthritis Rheum 2007;56(3):831-9. [3.] Merola JF. Rheumatol Ther 2022;9(3):935-55.
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 | 0,004 |
| 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 | 0,001 | 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 ».