Teriflunomide reduces relapses with sequelae and relapses leading to hospitalizations: results from the TOWER study
Notice bibliographique
Résumé
Teriflunomide is a once-daily oral immunomodulator approved for the treatment of relapsing-remitting multiple sclerosis. This post hoc analysis of the Phase III TOWER study evaluated the effects of teriflunomide treatment on five severe relapse outcomes: relapses with sequelae defined by an increase in Expanded Disability Status Scale (EDSS)/functional system (FS) score (sequelae-EDSS/FS) 30 days post relapse; relapses with sequelae defined by the investigator (sequelae-investigator); relapses leading to hospitalization; relapses treated with intravenous corticosteroids; and intense relapses using the definition of Panitch et al. from the EVIDENCE study based on specified increases in EDSS for severe relapses. Adjusted annualized rates for the five severe relapse outcomes were derived using a Poisson model with robust error variance, with treatment, baseline EDSS strata and region as covariates. Compared with placebo, teriflunomide significantly reduced annualized rates of relapses with sequelae-EDSS/FS [14 mg, 36.6 % (p = 0.0021); 7 mg, 31.3 % (p = 0.0104)] and sequelae-investigator [14 mg only, 53.5 % (p = 0.0004)], relapses leading to hospitalization [14 mg only, 33.6 % (p = 0.0155)], relapses requiring intravenous corticosteroids [14 mg, 35.7 % (p = 0.0002); 7 mg, 21.5 % (p = 0.0337)], and intense relapses [14 mg only, 52.5 % (p = 0.0015)]. Patients treated with teriflunomide 14 mg spent significantly fewer nights in hospital for relapse (p = 0.009) and had lower annualized rates of all hospitalizations (p = 0.030). Taken together, the positive effects of teriflunomide on severe relapses indicate that teriflunomide may reduce relapse-related healthcare costs.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».