Using Patient-Level Data to Develop Meaningful Cross-Trial Comparisons of Visual Impairment in Individuals with Diabetic Macular Edema
Notice bibliographique
Résumé
INTRODUCTION: The aim of this study was to assess the impact of baseline characteristics on visual outcome of patients with diabetic macular edema and compare the results of clinical trials with different patient populations. METHODS: A model was created with patient-level data from the RESPOND/RESTORE trials to estimate the impact of baseline characteristics on increases in best-corrected visual acuity (BCVA) with anti-vascular endothelial growth factor therapies, measured by letters gained on the Early Treatment Diabetic Retinopathy Study scale from baseline to month 12. Mean BCVA gains with ranibizumab 0.5 mg pro re nata or laser photocoagulation monotherapy were predicted, assuming baseline characteristics equivalent to those in the VIVID-DME/VISTA-DME trials. These results were compared with the gain with aflibercept 2.0 mg every 8 weeks in VIVID-DME/VISTA-DME. Sensitivity analyses assessed outcome robustness. RESULTS: Baseline BCVA and central retinal thickness differed significantly between trials. In unadjusted data, patients in RESPOND/RESTORE receiving ranibizumab gained an additional 6.6 letters [95% confidence interval (CI): 4.5-8.7] compared with patients receiving laser monotherapy. After adjusting data to assume baseline characteristics equivalent to VIVID-DME/VISTA-DME, patients receiving ranibizumab were predicted to gain an additional 9.9 letters (95% CI: 7.3-12.4) compared with those receiving laser monotherapy. These results were similar (0.1-letter difference in favor of aflibercept; 95% CI: -2.9 to 3.2; P = 0.94) to the gain in BCVA in patients receiving aflibercept in VIVID-DME/VISTA-DME compared with those receiving laser monotherapy (10.0 letters, 95% CI: 8.3-11.7). CONCLUSION: After adjusting for baseline characteristics, the difference in letters gained between patients receiving ranibizumab versus aflibercept was non-significant across trials, highlighting the importance of adjusting for baseline characteristics in future comparisons. FUNDING: Novartis Pharma AG.
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 | 0,000 |
| 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 ».