The Effect of Prophylactic Medications on TMS for Migraine Aura
Notice bibliographique
Résumé
PURPOSE: Low frequency transcranial magnetic stimulation (TMS) has recently been shown to be effective for the acute treatment of migraine with aura. TMS has recently been shown to inhibit cortical spreading depression (CSD). Prophylactic medications (PM) may reduce the frequency of migraine attacks by elevating CSD threshold. The interaction between PM and TMS is unknown. METHODS: Subgroup analysis was performed on a double-blind, Sham-controlled study that evaluated the efficacy and safety of TMS for the acute treatment of migraine with aura. Analysis of the primary efficacy endpoint pain-free at 2 hours (pain-free rate [PFR]) between TMS and Sham groups was performed based on the non-randomized use of PM. RESULTS: A total of 164 subjects eligibly treated at least 1 migraine with aura attack with TMS (n = 82) or Sham stimulation (n=82). Baseline pain intensity at the time of treatment for the first attack was no pain (31%), mild (40%), moderate (23%), or severe pain (6%). PM were used by 37% (31/82) and 41.5% (34/82) in the Sham- and TMS-treated patients, respectively. Sham patients on no PM (Sham without) had significantly higher PFR than Sham-treated patients on PM (Sham with) (P = .0014). There was no difference in PFR between TMS-treated patients on (TMS with) or off (TMS without) PM (P = .5513). However, TMS with had significantly higher PFR than Sham with patients (P= .002). There was no difference in PFR between TMS without and Sham without patients (P = .4061). CONCLUSION: Prophylactic medications do not appear to influence the treatment response to TMS. The better response in Sham-treated patients not on PM may indicate a more responsive subgroup or different patient phenotype than those currently using PM. These findings will need to be verified in a larger patient sample randomized by presence or absence of PM.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».