Efficacy of Disease-Modifying Therapies in Relapsing Remitting Multiple Sclerosis: A Systematic Comparison
Notice bibliographique
Résumé
The treatment of relapsing-remitting multiple sclerosis (RRMS) has become more effective over the last decade with the advent of the currently available disease-modifying therapies (DMTs). Pivotal clinical studies differ in many characteristics, such that cross-comparisons of relative risk reductions are of limited value and can be misleading. Our objective was to compare the clinical efficacy of currently approved first-line DMTs in patients with RRMS, applying an evidence-based medicine approach. We reviewed all phase III pivotal trials of DMTs. Six clinical trials of Avonex, Betaseron, Copaxone, Rebif and Tysabri in patients with RRMS were identified for analysis. Only randomized, placebo-controlled, double-blind studies were included. The clinical efficacy endpoints compared were: proportion of relapse-free patients at 1 and 2 years; annualized relapse rate at 2 years; proportion of progression-free patients at 2 years, and proportion of patients free of gadolinium-enhancing lesions at 1 year or 9 months. Based on these analyses, Betaseron, Rebif, and Tysabri show comparable effects, whereas for several endpoints Avonex or Copaxone did not significantly differ from placebo. In the absence of head-to-head studies for all products used to treat RRMS, it still may be possible to compare treatment effects by applying evidence-based medicine principles.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».