MétaCan
Menu
← Retour à la cohorte
Enregistrement W2581933995 · doi:10.1212/wnl.86.16_supplement.p3.091

Peginterferon Beta-1a Reduces Conversion of MRI Lesions to Black Holes in Patients with Relapsing-Remitting Multiple Sclerosis (P3.091)

2016· article· en· W2581933995 sur OpenAlexaff
Xiaojun You, Douglas L. Arnold, Carmen Castrillo‐Viguera, Damian Gasparotto

Notice bibliographique

RevueNeurology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensMcGill UniversityNeuroRx Research (Canada)Montreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésMultiple sclerosisRelapsing remittingMedicineBETA (programming language)Internal medicineNuclear medicinePsychiatryComputer science

Résumé

récupéré en direct d'OpenAlex

Objective: To investigate the efficacy of peginterferon beta-1a in reducing conversion of new/newly enlarging T2 lesions and new gadolinium-enhancing (Gd+) lesions to black holes in patients with relapsing-remitting multiple sclerosis (RRMS). Background: Subcutaneous peginterferon beta-1a 125 mcg every 2 weeks significantly improved imaging endpoints in patients with RRMS in the Phase 3 ADVANCE study. Methods: Patients were randomized to treatment with peginterferon beta-1a every 2 or 4 weeks or placebo for Year 1; placebo-treated patients then received peginterferon beta-1a in Year 2 (delayed treatment). This post-hoc analysis compared black-hole conversion at the end of Year 2 between patients treated continuously every 2 weeks (n=408) and those receiving delayed treatment (n=393). Results: Patients receiving every-2-week continuous treatment had lower mean numbers of new/newly enlarging T2 (2.6 vs 6.9; 4.1 vs 13.2) and new Gd+ (0.3 vs 1.6; 0.2 vs 1.6) lesions vs delayed treatment (Week 24; Week 48, respectively) compared with baseline. At Week 96, every-2-week continuously-treated patients had significantly fewer black holes converted from new/newly enlarging T2 lesions at Weeks 24 (0.76 vs 1.03 [95[percnt] CI 0.60-0.91], P=0.0037) and 48 (0.44 vs 0.99 [0.34-0.57], P<0.0001), and from new Gd+ lesions at Weeks 24 (0.15 vs 0.32 [0.33-0.67], P<0.0001) and 48 (0.09 vs 0.19[0.29-0.69], P=0.0003), compared with delayed-treatment patients. The proportion of patients who had black holes converted from new/newly enlarging T2 lesions was significantly lower in the continuous every-2-week arm than in the delayed-treatment arm (Week 24: 60.7[percnt] vs 75.1[percnt], P=0.0006; Week 48: 33.9[percnt] vs 63.8[percnt], P<0.0001); there were no significant differences in Gd+ results. Conclusions: Subcutaneous peginterferon beta-1a every 2 weeks significantly reduced conversion of new/newly enlarging T2 lesions and new Gd+ lesions to black holes versus delayed-treatment patients, thereby preventing tissue damage in patients with RRMS and indicating the benefit of early treatment initiation.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,046
Tête enseignante GPT0,271
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurology→Même sujetMultiple Sclerosis Research Studies→Travaux en français237 207→