What is the optimal sequential therapy after secondary IL-17A inhibitor failure in psoriasis: switching to an IL-23 inhibitor or to another IL-17A inhibitor?
Notice bibliographique
Résumé
Background An increasing number of psoriatic patients are experiencing secondary failure with interleukin (IL)-17A inhibitors, highlighting the urgency to identify effective switching strategies. We evaluated the effectiveness and treatment patterns of intraclass versus interclass switching therapies in psoriasis patients experiencing secondary failure to IL-17A inhibitors over a 28-week period.Methods This single-center, retrospective analysis included psoriatic patients who experienced secondary failure to either ixekizumab or secukinumab and subsequently switched to another IL-17A inhibitor (ixekizumab or secukinumab; intraclass switching group) or to an IL-23 inhibitor (guselkumab; interclass switching group).Results 80 patients were enrolled, including 47 in the intraclass switching group and 33 in the interclass switching group. The mean psoriasis area and severity index and dermatology life quality index were lower in the intraclass switching group compared to the interclass switching group at each time point over 28 weeks (p < .05). The discontinuation rate was higher in the interclass switching group (24.1%) compared to the intraclass switching group (2.7%; p < .05). Previous exposure to ≥2 biologics working on different pathways was identified as a risk factor for treatment failure in the interclass switching group.Conclusion An intraclass switch following IL-17A inhibitors failure yielded better treatment outcomes than a switch to guselkumab.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».