MétaCan
Menu
Retour à la cohorte
Enregistrement W2522235699 · doi:10.1002/mus.25409

Subcutaneous versus intravenous immunoglobulin for chronic autoimmune neuropathies: A meta‐analysis

2016· review· en· W2522235699 sur OpenAlexaff
Juan Manuel Racosta, Luciano A. Sposato, Kurt Kimpinski

Notice bibliographique

RevueMuscle & Nerve · 2016
Typereview
Langueen
DomaineMedicine
ThématiquePeripheral Neuropathies and Disorders
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésMultifocal motor neuropathyMismatch negativityChronic inflammatory demyelinating polyneuropathyMedicineConfidence intervalInternal medicinePolyradiculoneuropathyAntibodyRelative riskAdverse effectGastroenterologyMeta-analysisImmunologyGuillain-Barre syndromeElectroencephalography

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: High-dose intravenous immunoglobulin (IVIg) is an evidence-based treatment for multifocal motor neuropathy (MMN) and chronic inflammatory demyelinating polyneuropathy (CIDP). Recently, subcutaneous immunoglobulin (SC-Ig) has received increasing attention. METHODS: We performed a meta-analysis of reports of efficacy and safety of SC-Ig versus IVIg for inflammatory demyelinating polyneuropathies. RESULTS: A total of 8 studies comprising 138 patients (50 with MMN and 88 with chronic CIDP) were included in the meta-analysis. There were no significant differences in muscle strength outcomes in MMN and CIDP with Sc-Ig (MMN: effect size [ES] = 0.65, 95% confidence interval [CI] = -0.31-1.61; CIDP: ES = 0.84, 95% CI = -0.01-1.69). Additionally SC-Ig had a 28% reduction in relative risk (RR) of moderate and/or systemic adverse effects (95% CI = 0.11-0.76). CONCLUSIONS: The efficacy of SC-Ig is similar to IVIg for CIDP and MMN and has a significant safety profile. Muscle Nerve 55: 802-809, 2017.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0120,027
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,336
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations79
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMuscle & NerveMême sujetPeripheral Neuropathies and DisordersTravaux en français237 207