MRI炎症和结构损伤指标对TNF拮抗剂治疗AS患者获持续缓解的预测价值
MRI炎症和结构损伤指标对TNF拮抗剂治疗AS患者获持续缓解的预测价值
EULAR2015; PresentID:
OP0043
PREDICTORS OF SUSTAINED S. Pedersen1, S. 1Copenhagen Center for Background: Objectives: 1. Methods: In Results: We Conclusions: |
背景:持续临床缓解是长期治疗的关键基准之一。确定预测因子可能有助于选择适合TNF拮抗剂治疗的AS患者并监测治疗反应。目前只有极少量的数据报道强直性脊柱炎(AS)持续缓解的预测因子,没有数据评估MRI炎症和结构损害参数的预测价值。 目的:1. 方法:FORCAST队列研究中,来自阿尔伯塔北部的AS患者就诊于社区和学院医院,每6个月进行一次临床和实验室评估,基线和2年时进行放射学检查,MRI检查时间点为基线、TNF拮抗剂治疗3-6个月以及之后每年一次。采用SPARCC骶髂关节和脊柱评分评估MRI炎症情况,采用SSS评分评估结构损害(脂肪沉积、侵蚀、回填和强直),FASSS评分用于评估脊柱关节的脂肪沉积情况。持续性临床缓解的定义为间隔6个月的连续两次随访均达到ASDAS<1.3。单因素和多因素逻辑回归分析患者人口统计学信息、吸烟、HLA-B27、NSAID使用、基线CRP、ASDAS、mSASSS、SpARCC评分、SSS评分和FASSS评分。同时,探讨治疗后快速达到CRP<6mg/L、ASDAS<1.3和SpARCC评分<2是否可以作为临床缓解的预测因子。 结果:共评估了323例患者TNF拮抗剂治疗的结果,平均年龄41.1岁(12.7),242例(75%)男性,平均病程18.1年(11.7),平均随访40.3个月(27.4),共165例患者进行MRI评估。70例(21.7%)患者随访30.4个月(23.8)后达到ASDAS缓解。单因素分析发现,达到ASDAS缓解的患者更年轻(p<0.0001),病程更短(p=0.019),mSASSS评分更低(p=0.021),基线ASDAS评分更低(p=0.006),目前不吸烟(p=0.009),基线脊柱脂肪沉积证据(FASSS<5)最少(p=0.043),预测MRI炎症缓解的治疗后评分(脊柱SPARCC评分<3,骶髂关节SPARCC评分<2,p=0.033),CRP恢复正常(p=0.002)。多因素分析发现,年龄、吸烟状况、基线ASDAS和CRP恢复正常是最强的临床缓解预测因子,MRI参数(炎症和结构损伤)均无显著性预测作用。 结论:吸烟阻止TNF拮抗剂获得持续临床缓解。经治疗CRP尽早恢复正常者最有可能达到持续临床缓解。 |
||||||||||||||||||||||||||||||||||||||||||||||||
表.
|
MRI炎症和结构损伤指标对TNF拮抗剂治疗AS患者获持续缓解的预测价值的更多相关文章
- 图像质量评价方法PSNR+SSIM&&评估指标SROCC,PLCC
update:2018-04-07 今天发现ssim的计算里面有高斯模糊,为了快速计算,先对每个小块进行计算,然后计算所有块的平均值.可以参考源代码实现,而且代码实现有近似的在里面!matlab中中图 ...
- CreateDIBSection和位图结构
2019独角兽企业重金招聘Python工程师标准>>> 理解分辨率 我们常说的屏幕分辨率为640×480,刷新频率为70Hz,意思是说每行要扫描640个象素,一共有480行,每秒重复 ...
- 结构感知图像修复:ICCV2019论文解析
结构感知图像修复:ICCV2019论文解析 StructureFlow: Image Inpainting via Structure-aware Appearance Flow 论文链接: http ...
- [Algorithm] 机器学习算法常用指标总结
考虑一个二分问题,即将实例分成正类(positive)或负类(negative).对一个二分问题来说,会出现四种情况.如果一个实例是正类并且也被 预测成正类,即为真正类(True positive), ...
- Python机器学习笔记:常用评估指标的用法
在机器学习中,性能指标(Metrics)是衡量一个模型好坏的关键,通过衡量模型输出y_predict和y_true之间的某种“距离”得出的. 对学习器的泛化性能进行评估,不仅需要有效可行的试验估计方法 ...
- [机器学习] 性能评估指标(精确率、召回率、ROC、AUC)
混淆矩阵 介绍这些概念之前先来介绍一个概念:混淆矩阵(confusion matrix).对于 k 元分类,其实它就是一个k x k的表格,用来记录分类器的预测结果.对于常见的二元分类,它的混淆矩阵是 ...
- 十五项指标衡量DevOps是否成功
DevOps在你的组织内部运行的如何?如果你需要一些帮助来度量它的运行情况,我们已经准备了一个用于跟踪的关键DevOps指标的列表,这些度量可以帮助了解你的团队是如何随着时间的推移而运行的. 在团队内 ...
- matlab学习笔记12_2创建结构体数组,访问标量结构体,访问非标量结构体数组的属性,访问嵌套结构体中的数据,访问非标量结构体数组中多个元素的字段
一起来学matlab-matlab学习笔记12 12_2 结构体 创建结构体数组,访问标量结构体,访问非标量结构体数组的属性,访问嵌套结构体中的数据,访问非标量结构体数组中多个元素的字段 觉得有用的话 ...
- java基础——循环结构
循环结构 while 循环 只要表达式成立,循环就一直持续 我们大多数情况会让循环停下来,我们需要一个让表达式失效的方式,来结束循环 public static void main(String ...
- Python 流程控制-分支结构详解
目录 Python 流程控制--分支结构 1.结构分类 顺序结构 分支结构 循环结构 2.分支结构详解 分支结构 定义格式: if 单支结构 if 双分支结构 if 多分支结构 Python 流程控制 ...
随机推荐
- Linux常用软件的安装及Nginx的使用
主要内容: 软件安装方式 上传与下载工具 常用软件的安装--jdk.tomcat.mysql.redis 项目的部署 Nginx的安装 Nginx的功能 静态网站部署 虚拟主机配置及端口绑定 域名绑定 ...
- 【每日一题】【二分mid&贪心】2022年2月8日-NC163 最长上升子序列(一)
1.描述给定一个长度为 n 的数组 arr,求它的最长严格上升子序列的长度.所谓子序列,指一个数组删掉一些数(也可以不删)之后,形成的新数组.例如 [1,5,3,7,3] 数组,其子序列有:[1,3, ...
- 【离线数仓】Day01-用户行为数据采集:数仓概念、需求及架构、数据生成及采集、linux命令及其他组件常见知识
一.数据仓库概念 二.项目需求及架构设计 1.需求分析 2.项目框架 3.框架版本选型 服务器选型:云主机 服务器规划 三.数据生成模块 1.数据基本格式 公共字段:所有手机都包含 业务字段:埋点上报 ...
- Vue快速上门(1)-基础知识图文版
VUE家族系列: Vue快速上门(1)-基础知识 Vue快速上门(2)-模板语法 Vue快速上门(3)-组件与复用 01.基本概念 1.1.先了解下MVVM VUE是基于MVVM思想实现的,那什么是M ...
- Django框架F查询与Q查询(全面了解)
一:F与Q查询 1.F查询的作用 能够帮助你直接获取到列表中某个字段对应的数据 注意: 在操作字符串类型的数据的时候, F不能够直接做到字符串的拼接 2.查询卖出书大于库存数的书籍 # 导入F查询 f ...
- 五年经验的前端社招被问:CPU 和 GPU 到底有啥区别?
首先来看 CPU 和 GPU 的百科解释: CPU(Central ProcessingUnit,中央处理器):功能主要是解释计算机指令以及处理计算机软件中的数据 GPU(Graphics Proce ...
- java的饿汉和懒汉设计模式
本文主要讲述java的饿汉和懒汉设计模式 饿汉和懒汉设计模式的目的:使得该类的对象,只能有一个,不允许其他类,创建该类的对象. 饿汉设计模式 示例代码如下: 1 public class Hunger ...
- 2022年7月15日,第四组,周鹏,JAVA认识的第三天,算法的第一天(╥╯^╰╥)(╥╯^╰╥)
算了,已经没有力气去创作些什么了, 8种排序方法我只会4种,剩下的以后再补. 发一个逻辑题吧: 一个村落,有50户人,在这些人中存在着n个红眼病. 在保证每人每天最少见一面的情况下,有如下规则: 1, ...
- 主题 1 The Shell
主题 1 The Shell 课程概览与 shell · the missing semester of your cs education (missing-semester-cn.github.i ...
- 2022USACO-DEC-Silver
题目链接 T1.Barn Tree T2.Circular Barn T3.Range Reconstruction T1 下面均以\(1\)为根来进行分析. 算法思路: 首先,定义一个数组dis表示 ...