MétaCan
Menu
Retour à la cohorte
Enregistrement W2548126365 · doi:10.1016/j.msard.2016.10.010

Comparing outcomes from clinical studies of oral disease-modifying therapies (dimethyl fumarate, fingolimod, and teriflunomide) in relapsing MS: Assessing absolute differences using a number needed to treat analysis

2016· article· en· W2548126365 sur OpenAlexaff
Mark S. Freedman, Xavier Montalbán, Aaron E. Miller, Catherine Dive‐Pouletty, Steven Hass, Karthinathan Thangavelu, Thomas Leist

Notice bibliographique

RevueMultiple Sclerosis and Related Disorders · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesSanofi GenzymeSanofi
Mots-clésFingolimodTeriflunomideMedicineDimethyl fumarateNumber needed to harmMultiple sclerosisNumber needed to treatPlaceboAbsolute risk reductionRelative riskInternal medicineConfidence intervalImmunologyAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Dimethyl fumarate (DMF), fingolimod, and teriflunomide are oral disease-modifying therapies (DMTs) indicated for the treatment of relapsing-remitting multiple sclerosis. Despite well-established limitations of cross-trial comparisons, DMTs are still frequently compared in terms of relative reductions in specific endpoints, most commonly annualized relapse rate. Consideration of absolute risk reduction and number needed to treat (NNT) provides an alternative approach to assess the magnitude of treatment effect and can provide valuable additional information on therapeutic gain. Using data from pivotal studies of DMF (DEFINE, NCT00420212; CONFIRM, NCT00451451), fingolimod (FREEDOMS, NCT00289978; FREEDOMS II, NCT00355134), and teriflunomide (TEMSO, NCT00134563; TOWER, NCT00751881), we calculated NNTs to prevent any relapse, more severe relapses (such as those leading to hospitalization or requiring intravenous corticosteroids), and disability worsening. Higher relative reductions were reported for DMF and fingolimod vs placebo on overall relapse and relapses requiring intravenous corticosteroids in both individual and pooled studies (pooled data unavailable for fingolimod). However, NNTs for each outcome were similar for DMF and teriflunomide, with marginally lower NNTs observed with fingolimod. By contrast, for relapses requiring hospitalization, relative reductions were higher and NNTs were substantially lower for teriflunomide compared with DMF. For fingolimod, there were inconsistent outcomes between the two studies for relapses requiring hospitalization; thus, comparative conclusions against DMF or teriflunomide cannot be clearly established. The risk of disability worsening was significantly reduced in both teriflunomide studies, but only in a single study for DMF (DEFINE) and fingolimod (FREEDOMS). NNTs to prevent one patient from experiencing disability worsening were similar in DEFINE, FREEDOMS, and TEMSO and TOWER but were higher in CONFIRM and FREEDOMS II. This NNT analysis demonstrates broadly comparable effects for DMF, fingolimod, and teriflunomide across key clinical outcomes. These observations are clinically relevant and may help to inform treatment decisions by providing additional information on therapeutic gain beyond informal assessments of relative reductions alone.

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)0,073
score de la tête « metaresearch » (Gemma)0,076
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,384

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0730,076
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0110,024
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0020,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,221
Tête enseignante GPT0,402
Écart entre enseignants0,181 · 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
GenreEmpirique

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

En bref

Citations32
Publié2016
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueMultiple Sclerosis and Related DisordersMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207