Effect of Time to Start of Biologic Therapy on Treatment Response in Childhood Arthritis: Results From the <scp>UCAN CAN</scp> ‐ <scp>DU</scp> Cohort
Notice bibliographique
Résumé
OBJECTIVE: To estimate the effect of time from symptom onset to start of biologic treatment on achieving inactive arthritis within six months in a cohort of patients with juvenile idiopathic arthritis (JIA). METHODS: The international UCAN CAN-DU study prospectively enrolled patients with JIA across Canada and the Netherlands. A nested cohort study was performed and biologic-naive patients with nonsystemic JIA were included at the start of biologic therapy. The primary outcome was inactive arthritis at six months. Demographics, disease-related parameters, and treatment response were compared using (non)parametric tests among early (time symptom onset to biologic start: 0-6 months), intermediate (7-12 months), and late (13-24 months) treatment groups. A logistic regression model analyzed the effect of time to biologic start on the response at six months, adjusting for active joint count and physician global assessment. A graphical representation of the model was created. RESULTS: One hundred and thirty children with JIA were included (early: n = 35; intermediate: n = 46; late: n = 49), 66% were female, and the median age at symptom onset was 11.0 years. The proportion of patients that reach inactive arthritis in the early starters (83%) was significantly higher than in late starters (57%). For each month of delay to the start of biologic treatment, the adjusted odds of having active arthritis after six months of therapy was 1.09 (interquartile range: 1.02-1.17, P = 0.009). CONCLUSION: Early start of biologic therapies in patients with JIA was associated with a higher proportion of patients reaching inactive arthritis within six months, suggesting a window of opportunity to control disease activity.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».