Advertisement

Springer Nature is making SARS-CoV-2 and COVID-19 research free. View research | View latest news | Sign up for updates

Wie häufig sind prognostisch ungünstige Faktoren bei Patienten mit rheumatoider Arthritis?

Eine Abschätzung anhand von 3 epidemiologischen Kohorten

How frequent are poor prognostic markers in rheumatoid arthritis?

An estimate based on three epidemiologic cohorts

Zusammenfassung

Hintergrund

Prognostisch ungünstige Faktoren sollen in Therapieentscheidungen bei rheumatoider Arthritis (RA) einbezogen werden. Es gibt kaum Daten über die Häufigkeit der einzelnen Faktoren bei Patienten in der Routineversorgung.

Methodik

Krankheitsaktivität (Disease Activity Score DAS28), Erosionen, Antikörper gegen citrullinierte Peptide oder Rheumafaktoren (ACPA/RF), vorheriges Therapieversagen, Entzündungsmarker sowie Funktionseinschränkungen (FFbH < 70) wurden als prognostische Marker einbezogen. Unterschiedliche therapeutische Entscheidungssituationen wurden anhand von „disease modifying antirheumatic drugs“ (DMARD)-naiven Patienten aus der Früharthritis-Kohorte CAPEA (n = 1059) und Patienten aus RABBIT nach Versagen eines (n = 2217) oder mehrerer (n = 3280) konventionell synthetischer (cs)DMARDs oder eines (n = 1134) oder mehrerer (n = 795) biologischer (b)DMARDs analysiert. Mit der Kerndokumentation (n = 5707) wurden diese Faktoren je nach aktueller Therapie (kein/1./2./≥3. DMARD) untersucht.

Ergebnisse

In CAPEA hatten 50 % einen DAS28 > 5,1, 64 % waren ACPA/RF+, 13 % hatten Erosionen und 37 % einen FFbH < 70. In RABBIT stiegen die Anteile an ACPA/RF+ von 63 % (1 csDMARD Versagen) auf 81 % (≥2 bDMARD Versagen), Erosionen von 29 % auf 70 %, DAS28 > 5,1 von 33 % auf 52 % und FFbH von 41 % auf 66 %. In der Kerndokumentation waren zwischen 47 % (DMARD naiv) und 82 % (≥2 vorherige DMARD-Therapien) ACPA/RF+. 5 bis 11 % hatten unter Therapie einen DAS28 > 5,1. Der Anteil von Patienten mit FFbH < 70 stieg mit der Zahl der Vortherapien von 26 % auf 50 %.

Schlussfolgerung

Der mit zunehmender Zahl abgesetzter DMARD-Therapien steigende Anteil von Patienten mit ungünstigen Prognosefaktoren unterstreicht deren Bedeutung im Hinblick auf einen schwer zu kontrollierenden Krankheitsverlauf.

Abstract

Background

Unfavorable prognostic factors—high disease activity, early erosions, and autoantibodies—should be considered when making treatment decisions in rheumatoid arthritis (RA). There are little data on the frequency of individual poor prognostic factors among RA patients in daily care.

Methods

Disease activity (Disease Activity Score, DAS28), erosions, antibodies against citrullinated peptides or rheumatoid factor (ACPA/RF+), previous treatment failure, inflammation markers, and functional disability (FFbH < 70) were defined as prognostic factors. Different treatment decision making situations were evaluated in disease-modifying antirheumatic drug (DMARD)-naïve patients from the early RA CAPEA cohort (n = 1059), and in patients from the biologics register RABBIT after failure of one (n = 2217) or more (n = 3280) conventional synthetic (cs)DMARDs or one (n = 1134) or more (n = 795) biologic (b)DMARDs. With the national database of German arthritis centers (NDB), the frequency of these factors was analyzed according to treatment strata (no/1st/2nd/3rd DMARD; n = 5707).

Results

In DMARD-naïve patients (CAPEA), 50% presented with DAS28 > 5.1, 64% were ACPA/RF+, 13% had erosions, and 37% functional disability (FFbH < 70). In RABBIT, 63 (1st csDMARD failure) to 81% (≥2 bDMARD failures) were ACPA/RF+, 29 to 70% had erosions, 33 to 52% DAS28 > 5.1, and 41 to 66% had FFbH < 70, respectively. In the NDB, between 47 (DMARD-naïve) and 82% (≥2 previous DMARDs) were ACPA/RF+, 5 to 11%, had high disease activity under treatment (DAS28 > 5.1), and 26 to 50% had functional disability (FFbH < 70), respectively.

Conclusion

With growing numbers of previous DMARD therapies, increasing proportions of patients have poor prognostic factors. This underlines the importance of these factors for a difficult-to-treat disease course.

This is a preview of subscription content, log in to check access.

Literatur

  1. 1.

    Albrecht K, Zink A (2017) Poor prognostic factors guiding treatment decisions in rheumatoid arthritis patients: a review of data from randomized clinical trials and cohort studies. Arthritis Res Ther. doi:10.1186/s13075-017-1266-4

  2. 2.

    Albrecht K, Callhoff J, Edelmann E, Schett G, Schneider M, Zink A (2016) Klinische Remission bei rheumatoider Arthritis. Daten aus der Früharthritiskohortenstudie CAPEA. Z Rheumatol 75:90–96

  3. 3.

    Albrecht K, Huscher D, Eidner T, Kleinert S, Späthling-Mestekemper S, Bischoff S, Zink A (2017) Versorgung der rheumatoiden Arthritis 2014. Aktuelle Daten aus der Kerndokumentation. Z Rheumatol 76:50–57

  4. 4.

    Castrejón I, Dougados M, Combe B, Fautrel B, Guillemin F, Pincus T (2016) Prediction of remission in a French early arthritis cohort by RAPID3 and other core data set measures, but not by the absence of rheumatoid factor, anticitrullinated protein antibodies, or radiographic erosions. J Rheumatol 43:1285–1291

  5. 5.

    DiCiccio TJ, Efron B (1996) Bootstrap confidence intervals. Stat Sci 11:189–212

  6. 6.

    Ferraccioli G, Tolusso B, Fedele AL, Gremese E (2016) Do we need to apply a T2T strategy even in ACPA-negative early rheumatoid arthritis? YES. RMD Open 2:e000263

  7. 7.

    Hambardzumyan K, Bolce RJ, Saevarsdottir S et al (2016) Association of a multibiomarker disease activity score at multiple time-points with radiographic progression in rheumatoid arthritis: results from the SWEFOT trial. RMD Open 2(1):e000197

  8. 8.

    Hense S, Luque-Ramos A, Callhoff J, Albrecht K, Zink A, Hoffmann F (2016) Prävalenz der rheumatoiden Arthritis in Deutschland auf Basis von Kassendaten – regionale Unterschiede und erste Ergebnisse der PROCLAIR Studie. Z Rheumatol 75:819–827

  9. 9.

    Hensor EM, Emery P, Bingham SJ, Conaghan PG, YEAR Consortium (2010) Discrepancies in categorizing rheumatoid arthritis patients by DAS-28 (ESR) and DAS-28 (CRP): can they be reduced? Rheumatology (Oxford) 49(8):1521–1529

  10. 10.

    Krüger K, Wollenhaupt J, Albrecht K et al (2012) S1-Leitlinie der DGRh zur sequenziellen medikamentösen Therapie der rheumatoiden Arthritis 2012. Adaptierte EULAR-Empfehlungen und aktualisierter Therapiealgorithmus. Z Rheumatol 71:592–603

  11. 11.

    Li W, Sasso EH, van der Helm-van Mil AH, Huizinga TW (2016) Relationship of multi-biomarker disease activity score and other risk factors with radiographic progression in an observational study of patients with rheumatoid arthritis. Rheumatology (Oxford) 55(2):357–366

  12. 12.

    Nordberg LB, Lillegraven S, Lie E et al (2017) Patients with seronegative RA have more inflammatory activity compared with patients with seropositive RA in an inception cohort of DMARD-naïve patients classified according to the 2010 ACR/EULAR criteria. Ann Rheum Dis 76:341–345

  13. 13.

    Norton S, Sacker A, Dixey J et al (2013) Trajectories of functional limitation in early rheumatoid arthritis and their association with mortality. Rheumatology (Oxford) 52(11):2016–2024

  14. 14.

    Pattloch D, Richter A, Manger B et al (2016) Das erste Biologikum bei rheumatoider Arthritis: Einflussfaktoren auf die Therapieentscheidung. Z Rheumatol 76(3):210

  15. 15.

    Sison CP, Glaz J (1995) Simultaneous confidence intervals and sample size determination for multinomial proportions. J Am Stat Assoc 90(429):366–369

  16. 16.

    Singh JA, Saag KG, Bridges SL Jr et al (2016) 2015 American College of Rheumatology Guideline for the treatment of rheumatoid arthritis. Arthritis Rheumatol 68:1–26

  17. 17.

    Smolen JS, Landewé R, Bijlsma J et al (2017) EULAR recommendations for the management of rheumatoid arthritis with synthetic and biological disease-modifying antirheumatic drugs: 2016 update. Ann Rheum Dis. doi:10.1136/annrheumdis-2016-210715

  18. 18.

    Van der Helm-van Mil AH, Zink A (2017) What is rheumatoid arthritis? Considering consequences of changed classification criteria. Ann Rheum Dis 76:315–317

  19. 19.

    Vastesaeger N, Xu S, Aletaha D, St. Clair EW, Smolen JS (2009) A pilot risk model for the prediction of rapid radiographic progression in rheumatoid arthritis. Rheumatology 48:1114–1121

  20. 20.

    Visser K, Goekoop-Ruiterman YP, de Vries-Bouwstra JK et al (2010) A matrix risk model for the prediction of rapid radiographic progression in patients with rheumatoid arthritis receiving different dynamic treatment strategies: post hoc analyses from the BeSt study. Ann Rheum Dis 69:1333–1337

  21. 21.

    Westhoff G, Listing J, Zink A (2000) Loss of physical independence in rheumatoid arthritis: interview data from a representative sample of patients in rheumatologic care. Arthritis Care Res 13:11–22

  22. 22.

    Westhoff G, Schneider M, Raspe HH et al (2009) Advance and unmet need of health care for patients with rheumatoid arthritis in the German population – results from the German Rheumatoid Arthritis Population Survey (GRAPS). Rheumatology (Oxford) 48:650–657

Download references

Danksagung

Wir bedanken uns bei allen Patienten, die durch ihr Einverständnis, ihre Daten der Früharthritiskohorte CAPEA, der Kerndokumentation bzw. dem Biologikaregister RABBIT zur Verfügung zu stellen, diese umfangreiche Datenauswertung ermöglicht haben. Unser Dank geht weiterhin an alle teilnehmenden Ärzte und Mitarbeiter in den beteiligten Einrichtungen.

Förderung

CAPEA wurde durch Pfizer Deutschland GmbH mit einem „unconditional grant“ gefördert. Die Finanzierung der Kerndokumentation erfolgt durch die Arbeitsgemeinschaft der Regionalen Kooperativen Rheumazentren sowie ein Konsortium von pharmazeutischen Unternehmen im Arbeitskreis Korporativer Mitglieder der DGRh (AbbVie, Actelion, BMS, GSK, Medac, MSD, Pfizer, Roche, Sanofi-Aventis, UCB) über eine gemeinsame Zuwendung an die Rheumatologische Fortbildungs-Akademie. RABBIT wird gemeinschaftlich finanziert durch AbbVie, BMS, Celltrion, MSD, Pfizer, Roche, Samsung Bioepis und UCB. Die Studienleitung am DRFZ ist unabhängig in der Durchführung der Studie und der Publikation der Ergebnisse.

Author information

Correspondence to Dr. K. Albrecht.

Ethics declarations

Interessenkonflikt

A. Richter hat Vortragshonorare von Pfizer erhalten. M. Schneider hat Honorare für Vorträge, als Mitglied in wissenschaftlichen Beiräten und für vergütete konsiliarische Tätigkeiten sowie Forschungsgelder von Abbvie, Astra-Zeneca, BMS, Chugai, GSK, Lilly, MSD, Mundipharma, Pfizer, Roche und UCB erhalten. A. Strangfeld hat Vortragshonorare von AbbVie, BMS, Lilly, MSD, Pfizer, Roche und UCB erhalten. A. Zink hat Vortragshonorare von Astra Zeneca, BMS, Lilly, Pfizer, Roche und UCB erhalten. K. Albrecht, Y. Meissner, D. Huscher, L. Baganz und K. Thiele geben an, dass kein Interessenkonflikt besteht.

Alle im vorliegenden Manuskript beschriebenen Untersuchungen am Menschen wurden mit Zustimmung der zuständigen Ethik-Kommission, im Einklang mit nationalem Recht sowie gemäß der Deklaration von Helsinki von 1975 in der aktuellen, überarbeiteten Fassung durchgeführt. Von allen beteiligten Patienten liegt eine Einverständniserklärung vor.

Additional information

K. Albrecht und A. Richter haben zu gleichen Teilen beigetragen.

Redaktion

U. Müller-Ladner, Bad Nauheim

U. Lange, Bad Nauheim

Rights and permissions

Reprints and Permissions

About this article

Verify currency and authenticity via CrossMark

Cite this article

Albrecht, K., Richter, A., Meissner, Y. et al. Wie häufig sind prognostisch ungünstige Faktoren bei Patienten mit rheumatoider Arthritis?. Z Rheumatol 76, 434–442 (2017). https://doi.org/10.1007/s00393-017-0306-4

Download citation

Schlüsselwörter

  • Rheumatoide Arthritis
  • Prognosefaktoren
  • Krankheitsmodifizierende Antirheumatika
  • Therapiestrategie
  • Krankheitsaktivität

Keywords

  • Rheumatoid arthritis
  • Prognostic factors
  • Disease-modifying antirheumatic drugs
  • Treatment strategy
  • Disease activity