Clinical effects of natalizumab on multiple sclerosis appear early in treatment course
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In clinical practice natalizumab is typically used in patients who have experienced breakthrough disease during treatment with interferon beta (IFNβ) or glatiramer acetate. In these patients it is important to reduce disease activity as quickly as possible. In a phase II study, differences between natalizumab and placebo in MRI outcomes reflecting inflammatory activity were evident after the first infusion and maintained through a 6-month period, suggesting a rapid onset of natalizumab treatment effects. To explore how soon after natalizumab initiation clinical effects become apparent, annualized relapse rates per 3-month period and time to first relapse were analyzed in the phase III AFFIRM study (natalizumab vs. placebo) and in the multinational Tysabri(®) Observational Program (TOP). In AFFIRM, natalizumab reduced the annualized relapse rate within 3 months of treatment initiation compared with placebo in the overall population (0.30 vs. 0.71; p < 0.0001) and in patients with highly active disease (0.30 vs. 0.94; p = 0.0039). The low annualized relapse rate was maintained throughout the 2-year study period, and the risk of relapse in AFFIRM patients treated with natalizumab was reduced [hazard ratio against placebo 0.42 (95 % CI 0.34-0.52); p < 0.0001]. Rapid reductions in annualized relapse rate also occurred in TOP (baseline 1.99 vs. 0-3 months 0.26; p < 0.0001). Natalizumab resulted in rapid, sustained reductions in disease activity in both AFFIRM and in clinical practice. This decrease in disease activity occurred within the first 3 months of treatment even in patients with more active disease.
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.
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 | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 découle