Neutralizing antibodies to interferon beta-1b multiple sclerosis: a clinico-radiographic paradox in the BEYOND trial
Notice bibliographique
Résumé
BACKGROUND: The frequency and impact of neutralizing antibodies (NAbs) to interferon beta-1b (IFNβ-1b) on clinical and radiographic outcomes is controversial. OBJECTIVE: To assess NAb impact in the BEYOND study. METHODS: 2244 patients were randomized (2:2:1) to receive IFNβ-1b, either 250 or 500 µg, or glatiramer acetate, 20 mg, and observed for 2-3.5 years. NAb titers were determined every 6 months. A titer ≥20 NU/ml was considered NAb positive. Efficacy was compared between NAb-positive and NAb-negative patients, using comprehensive statistical analyses, taking into account the delayed appearance of NAbs, the time-dependent changes in the relapse rate, spontaneous reversions to NAb-negative status, NAb-titer level, and also adjusting for baseline factors. RESULTS: In the IFNβ-1b 250 µg group, NAb-positive titers were detected (≥ once) in 319 patients (37.0%); of these, 112 (35.1%) reverted to NAb-negative status. In the IFNβ-1b 500 µg group, 340 patients (40.7%) became NAb-positive and 119 (35.0%) reverted to NAb-negative status. In both IFNβ groups, especially the 250 µg arm, NAb-positive status was not associated with a convincing impact on any clinical outcome measure by any statistical analysis. By contrast, in both IFNβ groups, NAbs were associated with a very consistent deleterious impact on most MRI outcomes. CONCLUSION: There was a notable dissociation between the impact of NAbs on MRI and clinical outcomes. On MRI measures, the impact was consistent and convincing, whereas on clinical measures a negative impact of NAbs was not found. The basis for this clinico-radiographic paradox is unknown but it suggests that the relationship between NAbs and the therapeutic effects of IFNβ-1b is complex.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».