Factors influencing long-term outcomes in relapsing–remitting multiple sclerosis: PRISMS-15
Notice bibliographique
Résumé
AIM: An exploratory study of the relationship between cumulative exposure to subcutaneous (sc) interferon (IFN) β-1a treatment and other possible prognostic factors with long-term clinical outcomes in relapsing-remitting multiple sclerosis (RRMS). METHODS: Patients in the original PRISMS study were invited to a single follow-up visit 15 years after initial randomisation (PRISMS-15). Outcomes over 15 years were compared in the lowest and highest quartile of the cumulative sc IFN β-1a dose groups, and according to total time receiving sc IFN β-1a as a continuous variable per 5 years of treatment. Potential prognostic factors for outcomes were analysed. RESULTS: Of 560 patients randomised in PRISMS, 291 returned for PRISMS-15 and 290 (51.8%) were analysed. Higher cumulative dose exposure and longer treatment time appeared to be associated with better outcomes on: annualised relapse rate, number of relapses, time to Expanded Disability Status Scale (EDSS) progression, change in EDSS, proportions of patients with EDSS ≥ 4 or ≥ 6, ≤ 5 relapses and EDSS <4 or <6, and time to conversion to secondary-progressive MS (SPMS). Higher dose exposure was associated with lower proportions of patients with EDSS progression and conversion to SPMS, and longer time on treatment with lower risk of first relapse. Change in EDSS from baseline to 24 months was a strong predictor of evaluated clinical outcomes over 15 years. CONCLUSIONS: These findings suggest that higher cumulative exposure to sc IFN β-1a may be associated with better clinical outcomes, and early change in EDSS score may have prognostic value, over many years, in RRMS.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,002 |
| 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 ».