Comparative efficacy and safety of monoclonal antibodies biologic therapies for chronic rhinosinusitis with nasal polyps: A systematic review and network meta-analysis
Notice bibliographique
Résumé
Chronic rhinosinusitis with nasal polyps (CRSwNP) represents a significant therapeutic challenge with high recurrence rates despite the current standard treatments. Several biologic therapies targeting type-2 inflammation have emerged, but detailed comparisons between these agents are lacking. We conducted a systematic review and network meta-analysis of randomized controlled trials evaluating biologics for CRSwNP. Literature databases were searched up to the date of 28th of April 2025. Primary outcomes included changes in nasal polyp score (NPS), nasal congestion, SNOT-22, and surgery/systemic corticosteroid reduction. Sixteen studies (with total of 3040 patients included) investigating six biologics (dupilumab, omalizumab, mepolizumab, benralizumab, tezepelumab, reslizumab) were included. For NPS reduction, dupilumab showed greatest improvement (−2.44; 95 %CI: −2.85,-2.03), followed by tezepelumab (−2.07; 95 %CI:-2.39,-1.74). Mepolizumab demonstrated superior nasal congestion improvement (−2.64; 95 %CI:-3.24,-2.04). For quality of life, preliminary findings from a single study showed tezepelumab with the greatest SNOT-22 improvement (−27.26; 95 %CI:-32.32,-22.21), however validation in additional trials is needed. Surgery/systemic corticosteroid need was most reduced with tezepelumab in this single study (HR:0.02; 95 %CI:0.00–0.09). Omalizumab had the lowest adverse event rate (49.6 %). Network meta-analysis identified omalizumab and tezepelumab as highest-ranked overall (efficacy/safety combination). Our study demonstrated significant efficacy and safety profiles among biologics for CRSwNP. Treatment selection should consider specific symptom focus and comorbidity patterns, with network meta-analysis suggesting favorable overall profiles for omalizumab, with tezepelumab showing promise but requiring additional validation.
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 | 0,013 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,036 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».