Understanding the evolving treatment landscape of hidradenitis suppurativa: An analysis of All of Us
Notice bibliographique
Résumé
BACKGROUND: Hidradenitis suppurativa (HS) is a chronic skin condition with significant burden for affected patients. The development of new therapies in the last decade has brought hope for better patient outcomes, but understanding the use of these new drug classes is necessary to ensure patient access to care. METHODS: We analysed data from 2636 HS patients within NIH's All of Us research program from June 2017 and October 1, 2023 to examine the likelihood of patients receiving certain classes of drugs based on socio-demographic factors and comorbid health conditions, as well as how these drug classes impact quality of life. We also examined trends in the number of prescriptions over time. RESULTS: Antibiotics were most frequently prescribed, with higher numbers administered to females. Small molecule inhibitors and biologic medications were prescribed at low levels. We found that socio-demographic factors such as ethnicity, income and insurance provider influence the types of drugs patients are most likely to receive, with African American individuals more likely to receive antibiotics and immunosuppressive drugs and less likely to receive small molecule inhibitors. We also found that comorbid conditions significantly influence the likelihood of patients receiving specific drugs, with higher odds of receiving biologics if a patient has a comorbid rheumatic/autoimmune disorder. Antibiotics and immunosuppressive drugs were associated with less favourable quality of life measures, as well as a higher likelihood of anxiety and depression. CONCLUSIONS: This work uncovers the varied landscape of HS treatment in the US and highlights the factors that influence treatment choices and how these treatments impact quality of life. It also provides an understanding of the social disparities that some populations face when accessing HS care, informing future decisions and practices to reduce these inequities.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».