Treatment options for patients with multiple sclerosis who have a suboptimal response to interferon‐<i>β</i> therapy
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Although the first-line disease-modifying therapies (DMTs) interferon beta and glatiramer acetate have a favourable benefit-to-risk profile, they are only partially effective for treating relapsing-remitting multiple sclerosis (RRMS). The optimization of treatment in patients who do not show a maximum response to first-line therapy is critical for achieving the best long-term outcomes. Treatment strategies for patients with a suboptimal response include switching to another first-line DMT or a second-line DMT. Natalizumab and fingolimod are approved for RRMS with high disease activity in the European Union and Canada. METHODS: A comprehensive literature search for articles published between 1990 and April 2012 was undertaken. RESULTS: This review discusses key clinical and safety data for fingolimod and natalizumab, particularly in the patient subgroups for whom these treatments are approved. Benefit-to-risk profiles, including first-dose cardiovascular effects associated with fingolimod and the risk of progressive multifocal encephalopathy with natalizumab, are discussed. CONCLUSION: A descriptive comparison of fingolimod and natalizumab is provided in the context of the decision-making process of how and when to switch patients who have a suboptimal response to first-line therapy.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».