Efficacy of Janus kinase inhibitor combined with phototherapy in non-segmental vitiligo: systematic review and meta-analysis
Notice bibliographique
Résumé
Background Vitiligo is a chronic autoimmune disease causing skin depigmentation and psychosocial issues. Non-segmental vitiligo often shows limited response to standard therapies. The IFN-γ–JAK–STAT pathway plays a key role, and combining JAK inhibitors with NB-UVB may improve repigmentation.Aim To evaluate the efficacy of JAK inhibitors (baricitinib or tofacitinib) plus NB-UVB versus NB-UVB without JAK inhibitors in adult NSV.Methods PubMed, Cochrane, and ClinicalTrials.gov were searched till August 2024 for randomized controlled trials. Four studies, comprising 217 adults (121 in the combination group and 96 in the control group), were analyzed using RevMan 5.4. Bias was assessed via Newcastle-Ottawa, Cochrane ROB-2, and ROBINS-I tools.Results Combination therapy significantly reduced total VASI compared to controls (MD = −4.96, 95% CI [–9.29, −0.63], p = 0.02), with a greater effect on sensitivity analysis (MD = −6.84, p = 0.0007). Significant reductions were seen in face/neck (MD = −0.17, p = 0.002), trunk (MD = −3.62, p = 0.0001); acral (MD = −0.85, p = 0.0002) and extremity (MD = −4.61, p < 0.00001) regions after sensitivity analysis. Patients were more likely to achieve ≥50% (RR = 6.87, p < 0.00001) and ≥75% (RR = 15.13, p = 0.006) repigmentation.Conclusions JAK inhibitor plus NB-UVB markedly improves the repigmentation in adult NSV compared to NB-UVB alone.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,032 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».