Switch to natalizumab versus fingolimod in active relapsing–remitting multiple sclerosis
Notice bibliographique
Résumé
OBJECTIVE: In patients suffering multiple sclerosis activity despite treatment with interferon β or glatiramer acetate, clinicians often switch therapy to either natalizumab or fingolimod. However, no studies have directly compared the outcomes of switching to either of these agents. METHODS: Using MSBase, a large international, observational, prospectively acquired cohort study, we identified patients with relapsing-remitting multiple sclerosis experiencing relapses or disability progression within the 6 months immediately preceding switch to either natalizumab or fingolimod. Quasi-randomization with propensity score-based matching was used to select subpopulations with comparable baseline characteristics. Relapse and disability outcomes were compared in paired, pairwise-censored analyses. RESULTS: Of the 792 included patients, 578 patients were matched (natalizumab, n = 407; fingolimod, n = 171). Mean on-study follow-up was 12 months. The annualized relapse rates decreased from 1.5 to 0.2 on natalizumab and from 1.3 to 0.4 on fingolimod, with 50% relative postswitch difference in relapse hazard (p = 0.002). A 2.8 times higher rate of sustained disability regression was observed after the switch to natalizumab in comparison to fingolimod (p < 0.001). No difference in the rate of sustained disability progression events was observed between the groups. The change in overall disability burden (quantified as area under the disability-time curve) differed between natalizumab and fingolimod (-0.12 vs 0.04 per year, respectively, p < 0.001). INTERPRETATION: This study suggests that in active multiple sclerosis during treatment with injectable disease-modifying therapies, switching to natalizumab is more effective than switching to fingolimod in reducing relapse rate and short-term disability burden.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».