Comparative analysis of global practices in the management of colchicine-resistant familial Mediterranean fever: a CliPS network analysis
Notice bibliographique
Résumé
BACKGROUND: Although colchicine is the mainstay of familial Mediterranean fever (FMF) treatment, 5-10% of patients are considered to have colchicine resistance (CR). However, there is no globally agreed CR definition or indications for biological disease-modifying anti-rheumatic drugs (bDMARDs). METHODS: A survey on 'Biologics in Monogenic Autoinflammatory Diseases', part of the 'Clinical Practice Strategies' (CLiPS) initiative, was conducted by a JIR cohort-initiated eCOST network among expert participants worldwide. Our primary aim was to provide a flowchart reflecting the different CR definitions and present data regarding bDMARD indications. The secondary aim was to determine how specific biases influence clinical approaches. We analysed the CliPS according to the experience levels of physicians, country-specific FMF prevalence, countries' gross domestic product, bDMARD availability and reimbursement policies of the countries. RESULTS: A total of 223 responses from 46 countries were included in the study. Almost half of the respondents (73/160, 45.6%) indicated that three to four attacks within the preceding 6 months were necessary for their CR definition. The most frequently used acute-phase reactant was C-reactive protein (157/164, 95.7%). Almost three-fourths of the respondents (74%, n=165) considered that supplementary factors, including complications of FMF, attack severity, elevated activity scores, patient-reported outcome and quality of life scales, influenced their CR definition. CONCLUSION: We present a novel flowchart describing physicians' general attitudes and unique findings regarding management strategies for colchicine-resistant FMF and shifting trends influenced by epidemiological and socioeconomic factors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».