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
- 你真的了解 RSA 加密算法吗?
作者:小傅哥 博客:https://bugstack.cn 源码:https://github.com/fuzhengwei/java-algorithms 沉淀.分享.成长,让自己和他人都能有所收获 ...
- Jenkins服务器上创建项目和配置
大体步骤:General(基础配置)-->源码管理-->构建触发器-->构建环境-->构建-->构建后操作 1.创建一个工程 2.General(基础配置) 仅需填写标准 ...
- Flaks框架(g对象,session,数据库连接池,信号,flask-script,SQLAlchemy(ORM))
目录 一:g对象 简介 1.g对象和session的区别 2.g对象实战代码 二:flask-session(借助于第三方插件连接redis保存session ) 1.方式一: 2.方式二(flask ...
- vue后退页面刷新数据和缓存数据
我们在项目中经常使用this.$router.go(-1) 但是,有时我们需要把前一个页面的数据进行缓存,有时需要刷新数据,下面来记录一下怎么操作吧 首先:在vue项目中缓存页面我们能想到 keep ...
- JavaScript:对象:如何复制一个对象?浅拷贝与深拷贝
回顾一下,我们对传参的讨论,对象的传参是引用传递,我们传递的是对象数据所在的内存地址: 那么无论我们怎么去赋值,所有变量指向的都是同一块内存: 如上图所示,无论我去使用哪个变量去操作对象的属性,改变的 ...
- [深度学习] 基于切片辅助超推理库SAHI优化小目标识别
对象检测是迄今为止计算机视觉中最重要的应用领域.然而,小物体的检测和大图像的推理仍然是实际使用中的主要问题,这是因为小目标物体有效特征少,覆盖范围少.小目标物体的定义通常有两种方式.一种是绝对尺度定义 ...
- LeetCode-01 两数之和(Two Sum)
题目描述 给定一个整数数组和一个目标值,找出数组中和为目标值的两个数, 你可以假设每个输入只对应一个答案,且同样的元素不能被重复利用. 示例 给定数组 nums = [2, 7, 11, 15], t ...
- Pytorch基础-张量基本操作
一,张量的基本操作 二,维度变换 2.1,squeeze vs unsqueeze 维度增减 2.2,transpose vs permute 维度交换 三,索引切片 3.1,规则索引切片方式 3.2 ...
- ArcGIS工具 - 导出数据库结构
为了保证数据的一致性,数据库结构的正确性在数据库建设和管理过程中显示十分重要,在各个地理信息类项目的技术规定中都对空间数据库的结构进行明确和详细的定义,有时为了方便检查或文档编辑需要将数据结构导出,为 ...
- s2-005
漏洞名称 (CVE-2010-1870) - XWork ParameterInterceptors旁路允许远程命令执行 利用条件 Struts 2.0.0 - Struts 2.1.8.1 漏洞原理 ...