MétaCan
Menu
Retour à la cohorte
Enregistrement W2595384992 · doi:10.1212/wnl.86.16_supplement.p6.183

RRMS Patients Switching from SC IFNB-1a to Alemtuzumab in the CARE-MS I and II Extension Study Have a Reduced Rate of Brain Volume Loss (P6.183)

2016· article· en· W2595384992 sur OpenAlexaff
Frederik Barkhof, Jeffrey A. Cohen, Alasdair Coles, Edward Fox, Hans‐Peter Hartung, Eva Havrdová, Krzysztof Selmaj, David Margolin, Karthinathan Thangavelu, Douglas L. Arnold

Notice bibliographique

RevueNeurology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensMcGill UniversityNeuroRx Research (Canada)Montreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésAlemtuzumabExtension (predicate logic)MedicinePsychologyInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Objective: To examine brain volume loss (BVL) before and after switching from SC IFNB-1a to alemtuzumab in the CARE-MS extension study (NCT00930553). Background: Active relapsing-remitting MS (RRMS) patients who were treatment-naive (CARE-MS I; NCT00530348) or who had an inadequate response (≥1 relapse) to prior therapy at baseline (CARE-MS II; NCT00548405) demonstrated 42[percnt] and 24[percnt] reduction, respectively, in brain atrophy rate with alemtuzumab versus SC IFNB-1a over 2 years. Durable slowing of BVL in patients who received core study alemtuzumab was observed through 5 years in the absence of additional treatment for most patients for 4 years. Design/Methods: Patients treated with SC IFNB-1a in the CARE-MS core studies for 2 years discontinued treatment and received 2 alemtuzumab courses at extension Months 0 and 12, then as-needed alemtuzumab retreatment for relapse or radiological activity. MRI scans were assessed at baseline and annually thereafter. BVL was derived by relative brain parenchymal fraction change. Results: The extension study enrolled 144 (83[percnt]) and 146 (83[percnt]) SC IFNB-1a-treated patients from CARE-MS I and II; 81[percnt] and 84[percnt] received no alemtuzumab retreatment since Month 12 after switching. Median yearly BVL in Year 2 on SC IFNB-1a in CARE-MS I (-0.50[percnt]) and CARE-MS II (-0.33[percnt]) was reduced in Years 1, 2, and 3 after switching to alemtuzumab (CARE-MS I: -0.07[percnt], -0.13[percnt], -0.09[percnt]; CARE-MS II: 0.02[percnt], -0.05[percnt], -0.14[percnt]). Despite this improvement, these patients still had 22[percnt] greater BVL at the end of Year 5 of the extension than those who received alemtuzumab in the core studies (CARE-MS I: -1.646[percnt] vs -1.352[percnt], and CARE-MS II: -1.044[percnt] vs -0.855[percnt]). Conclusions: Switching from SC IFNB-1a to alemtuzumab markedly slowed BVL over 3 years. Despite these beneficial effects, earlier use of alemtuzumab led to lower rates of BVL through 5 years. Study Supported By: Genzyme, a Sanofi company, and Bayer Healthcare Pharmaceuticals.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0020,000

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 Opus0,012
Tête enseignante GPT0,264
Écart entre enseignants0,252 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207