Meta‐analysis of neutralizing antibody conversion with onabotulinumtoxinA (BOTOX®) across multiple indications
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
This meta-analysis evaluated the frequency of neutralizing antibody (nAb) conversion with onabotulinumtoxinA (BOTOX®; Allergan) across five studied indications. The analysis was based on large, controlled or prospective, open-label trials (durations 4 months to ≥2 years). Serum samples were analyzed for nAbs using the Mouse Protection Assay. Subjects who were antibody negative at baseline and had at least one analyzable postbaseline antibody assay result were included. The 16 clinical studies included 3,006 subjects; of these, 2,240 met the inclusion criteria for this analysis. Subjects received 1-15 treatments (mean 3.8 treatments) with onabotulinumtoxinA. Total doses per treatment cycle ranged from 10 or 20 units in glabellar lines to 20-500 units in cervical dystonia. The numbers of subjects who converted from an antibody-negative status at baseline to antibody-positive status at any post-treatment time point were: cervical dystonia 4/312 (1.28%), glabellar lines 2/718 (0.28%), overactive bladder 0/22 (0%), post-stroke spasticity 1/317 (0.32%), and primary axillary hyperhidrosis 4/871 (0.46%). Across all indications, 11/2,240 subjects (0.49%) converted from antibody negative at baseline to positive at one or more post-treatment time points, but only three subjects became clinically unresponsive to onabotulinumtoxinA at some point following a positive assay. Based on these large trials, the frequency of antibody conversion after onabotulinumtoxinA treatment is very low, and infrequently leads to loss of efficacy. © 2010 Movement Disorder Society.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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