Predictive Factors for Poor Responders to Lebrikizumab in Real-World Treatment for Atopic Dermatitis: Transition of Clinical and Laboratory Indexes
Notice bibliographique
Résumé
Abstract: Background: Some patients with atopic dermatitis (AD) do not sufficiently respond to anti-interleukin-13 antibody lebrikizumab in real-world practice. Identifying predictive factors for poor responders to lebrikizumab is important to optimize treatment strategies for AD. Objective: To clarify predictive factors for poor responders to lebrikizumab, defined as patients with Investigator’s Global Assessment >2 at week 12 or 24 of treatment in real-world practice. Methods: From May 2024 to April 2025, we conducted a prospective study in 124 Japanese AD patients treated with lebrikizumab. The transition of clinical and laboratory indexes was evaluated during 24-week lebrikizumab treatment, stratified by poor responders versus responders. We compared baseline characteristics between week 12 and 24 poor responders versus respective responders. Results: Both week 12 and 24 responders showed lower magnitudes of decreasing Eczema Area and Severity Index (EASI) throughout 24-week treatment compared with respective responders. Lactate dehydrogenase levels in both week 12 and 24 responders significantly decreased and plateaued at week 4, while there was no significant decrease in both week 12 and 24 poor responders. Total eosinophil count in both week 12 and 24 responders slightly increased at week 4 and 12, while there was no significant increase in both week 12 and 24 poor responders. Week 12 poor responders had higher baseline EASI compared with responders. Week 24 poor responders had higher body mass index (BMI) compared with responders. Conclusions: Higher baseline EASI may predict week 12 poor responders to lebrikizumab, while higher BMI may predict week 24 poor responders. These baseline characteristics could help optimize treatment for AD.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».