Examining the effects of comorbidities on disease-modifying therapy use in multiple sclerosis
Notice bibliographique
Résumé
OBJECTIVE: Comorbidities are common in multiple sclerosis (MS) and adversely affect health outcomes. However, the effect of comorbidity on treatment decisions in MS remains unknown. We aimed to examine the effects of comorbidity on initiation of injectable disease-modifying therapies (DMTs) and on the choice of the initial DMT in MS. METHODS: We conducted a retrospective observational analysis using population-based health administrative and linked clinical databases in 3 Canadian provinces. MS cases were defined as any individual with ≥3 diagnostic codes for MS. Cohort entry (index date) was the first recorded demyelinating disease-related claim. The outcomes included choice of initial first-line DMTs and time to initiating a DMT. Logistic and Cox regression models were used to examine the association between comorbidity status and study outcomes, adjusting for sex, age, year of index date, and socioeconomic status. Meta-analysis was used to estimate overall effects across the 3 provinces. RESULTS: We identified 10,698 persons with incident MS, half of whom had ≥1 comorbidities. As the total number of comorbidities increased, the likelihood of initiating a DMT decreased. Comorbid anxiety and ischemic heart disease were associated with reduced initiation of a DMT. However, patients with depression were 13% more likely to initiate a DMT compared to those without depression at the index date (adjusted hazard ratio 1.13; 95% confidence interval 1.00-1.27). CONCLUSIONS: Comorbidities are associated with treatment decisions regarding DMTs in MS. A better understanding of the effects of comorbidity on effectiveness and safety of DMTs is needed.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».