Facial Rash Events in Dupilumab Phase 3 Atopic Dermatitis Trials: A Pooled Analysis
Notice bibliographique
Résumé
Abstract: Background: Since dupilumab approval for moderate-to-severe atopic dermatitis (AD) in 2017, facial rash reports appeared in literature. Objective: To report facial rash treatment-emergent adverse events (TEAEs) incidence in dupilumab clinical trials for moderate-to-severe AD. Methods: Data were pooled from 14 randomized, placebo-controlled dupilumab clinical trials in pediatric (6–17 years) and adult (≥18 years) patients and were searched for facial rash TEAEs occurring during study treatment period, focusing on Medical Dictionary for Regulatory Activities (MedDRA) Lowest Level Terms (LLTs). Results: Pooled dataset included 1349 placebo-treated and 2615 dupilumab-treated patients. Facial rash incidence was low but slightly higher in dupilumab (dupilumab: 25 [1.0%]; placebo: 9 [0.7%] patients). The following LLT rates were numerically higher in dupilumab than placebo-treated patients: Erythema facial (7 [0.3%, 0.8 number of events (nE)/100 patient-years (PY)] vs 1 [<0.1%, 0.1 nE/100PY]); Redness facial (2 [<0.1%, 0.2 nE/100PY] vs 0); and rash on face (5 [0.2%, 0.4 nE/100PY] vs 1 [<0.1%, 0.1 nE/100PY]). Most cases were mild-to-moderate and recovered/resolved during study period; none led to treatment discontinuation. Conclusions: Facial rash analysis focused on MedDRA LLTs in dupilumab clinical trials for moderate-to-severe AD showed a small increase in dupilumab-treated patients compared with placebo. Most were mild-to-moderate and not treatment-limiting.
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 | 0,025 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,025 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».