Canadian real-world study of access and clinical results using dupilumab for chronic rhinosinusitis with polyps
Notice bibliographique
Résumé
Abstract Background Dupilumab is the first monoclonal antibody therapy to be approved in Canada for the treatment of Chronic Rhinosinusitis with Nasal Polyps (CRSwNP). The goal of the study was to assess its effectiveness and efficacy in a real-world setting. This study aims to assess how clinical outcomes of biologic therapy in real-world application (effectiveness) correspond to outcomes in clinical trials (efficacy) and to look into factors that might explain an efficacy-effectiveness gap. Methods A retrospective study evaluating disease specific sinonasal outcomes routinely collected for clinical care. This study included patients who were evaluated for coverage of dupilumab at a tertiary care rhinology clinic for the treatment of CRSwNP in the first year since dupilumab was approved in Canada for this indication. Sinonasal outcomes were be evaluated by collecting data on the Sino-Nasal Outcome Test (SNOT)-22 questionnaire. Results Eighty-five patients were considered for dupilumab therapy during the study period, 49% patients were able to attain coverage for the requested therapy. The mean SNOT-22 score at baseline was 60.56 (SD 21.63). After 16 weeks of treatment the mean SNOT-22 score decreased by 37 points to 23.36; at 28 weeks the mean SNOT-22 was 23.47. After 1 year, the mean SNOT-22 score was 14.37. Conclusion Patients treated with dupilumab for CRSwNP at out tertiary rhinology clinic showed substantial clinical symptom improvement that is similar to that observed in prior randomised clinical trials. No serious adverse effects related to dupilumab were reported in this cohort. Long-term follow-up is needed to inform effectiveness analyses beyond the 1 year clinical trial duration. Graphical Abstract
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».