Inclusion of brain volume loss in a revised measure of ‘no evidence of disease activity’ (NEDA-4) in relapsing–remitting multiple sclerosis
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
BACKGROUND: 'No evidence of disease activity' (NEDA), defined as absence of magnetic resonance imaging activity (T2 and/or gadolinium-enhanced T1 lesions), relapses and disability progression ('NEDA-3'), is used as a comprehensive measure of treatment response in relapsing multiple sclerosis (RMS), but is weighted towards inflammatory activity. Accelerated brain volume loss (BVL) occurs in RMS and is an objective measure of disease worsening and progression. OBJECTIVE: To assess the contribution of individual components of NEDA-3 and the impact of adding BVL to NEDA-3 ('NEDA-4') METHODS: We analysed data pooled from two placebo-controlled phase 3 fingolimod trials in RMS and assessed NEDA-4 using different annual BVL mean rate thresholds (0.2%-1.2%). RESULTS: At 2 years, 31.0% (217/700) of patients receiving fingolimod 0.5 mg achieved NEDA-3 versus 9.9% (71/715) on placebo (odds ratio (OR) 4.07; p < 0.0001). Adding BVL (threshold of 0.4%), the respective proportions of patients achieving NEDA-4 were 19.7% (139/706) and 5.3% (38/721; OR 4.41; p < 0.0001). NEDA-4 status favoured fingolimod across all BVL thresholds tested (OR 4.01-4.41; p < 0.0001). CONCLUSION: NEDA-4 has the potential to capture the impact of therapies on both inflammation and neurodegeneration, and deserves further evaluation across different compounds and in long-term 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.
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 | 0,006 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle