Teriflunomide versus subcutaneous interferon beta-1a in patients with relapsing multiple sclerosis: a randomised, controlled phase 3 trial
Notice bibliographique
Résumé
BACKGROUND: In previous studies, teriflunomide significantly reduced the annualised relapse rate (ARR) and disability progression. OBJECTIVE: This phase 3, rater-blinded study (NCT00883337) compared teriflunomide with interferon-beta-1a (IFNβ-1a). METHODS: Patients with relapsing multiple sclerosis were randomised (1:1:1) to oral teriflunomide 7-or 14 mg, or subcutaneous IFNβ-1a 44 µg. The primary composite endpoint was time to failure, defined as first occurrence of confirmed relapse or permanent treatment discontinuation for any cause. Secondary endpoints included ARR, Fatigue Impact Scale (FIS) and Treatment Satisfaction Questionnaire for Medication (TSQM). The study was completed 48 weeks after the last patient was randomised. RESULTS: Some 324 patients were randomised (IFNβ-1a: 104; teriflunomide 7 mg: 109; teriflunomide 14 mg: 111). No difference in time to failure was observed. There was no difference in ARR between teriflunomide 14 mg and IFNβ-1a, but ARR was significantly higher with teriflunomide 7 mg. FIS scores indicated more frequent fatigue with IFNβ-1a, though differences were only significant with teriflunomide 7 mg. TSQM scores were significantly higher with teriflunomide. There were no unexpected safety findings. CONCLUSION: Effects on time to failure were comparable between teriflunomide and IFNβ-1a. There was no difference between teriflunomide 14 mg and IFNβ-1a on ARR, though ARR was higher with teriflunomide 7 mg. The teriflunomide safety profile was consistent with previous studies.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».