Frequency and Magnitude of Interferon β Neutralizing Antibodies in the Evaluation of Interferon β Immunogenicity in Patients with Multiple Sclerosis
Notice bibliographique
Résumé
Patients with multiple sclerosis (MS) treated with interferon β (IFNβ) preparations develop varying levels of antibodies that neutralize the biological effects of IFNβ, reduce its in vivo bioavailability, and diminish its therapeutic efficacy. The aim was to determine as distinct measures of immunogenicity the occurrence (frequency) and the magnitude (level) of IFNβ neutralizing antibody (NAb) formation in a large Canadian population as a cross-sectional study of patients with MS treated in a clinical practice setting with different, equally available IFNβ products: Avonex(®) (intramuscular IFNβ-1a), Rebif(®) (subcutaneous (SC) IFNβ-1a) at 22 and 44 μg, and Betaseron(®) (SC IFNβ-1b). Over a 3-year period 3,124 serum samples from 2,711 patients with MS were submitted by neurologists in MS clinics distributed across Canada and tested for NAbs in a single independent laboratory, utilizing a quantitative, standardized NAb bioassay. NAb frequency was greatest (35%) with Rebif (SC IFNβ-1a) 44 μg and least (7.5%) with Avonex (intramuscular IFNβ-1a), whereas Betaseron (IFNβ-1b) and Rebif 22 μg were in between (22%). NAb serum levels at magnitudes considered high, ≥100 tenfold reduction units (TRU)/mL, were found in 65%-83% of patients with detectable NAbs. Nearly half (42%-47%) of NAb-positive patients given IFNβ-1a preparations had very high titers (≥ 1,000 TRU/mL), whereas only 22% of NAb-positive patients on Betaseron had titers >1,000 TRU/mL. Differences in patterns of NAb formation among the four IFNβ product-dose combinations became more evident in patients with MS when both NAb frequency and the full range of NAb titer magnitude were measured.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».