Evaluating the safety of β-interferons in MS
Notice bibliographique
Résumé
Objective:To examine the association between interferon-β (IFN-β) and potential adverse events using population-based health administrative data in British Columbia, Canada. Methods:Patients with relapsing-remitting multiple sclerosis (RRMS) who were registered at a British Columbia Multiple Sclerosis Clinic (1995–2004) were eligible for inclusion and were followed up until death, absence from British Columbia, exposure to a non–IFN-β disease-modifying drug, or December 31, 2008. Incidence rates were estimated for each potential adverse event (selected a priori and defined with ICD-9/10 diagnosis codes from physician and hospital claims). A nested case-control study was conducted to assess the odds of previous IFN-β exposure for each potential adverse event with at least 30 cases. Cases were matched by age (±5 years), sex, and year of cohort entry, with up to 20 randomly selected (by incidence density sampling) controls. Odds ratios (ORs) with 95% confidence intervals (95% CIs) were estimated with conditional logistic regression adjusted for age at cohort entry. Results:Of the 2,485 eligible patients, 77.9% were women, and 1,031 were treated with IFN-β during follow-up. From the incidence analyses, 27 of the 47 potential adverse events had at least 30 cases. Patients with incident stroke (ORadj 1.83, 95% CI 1.16–2.89), migraine (ORadj 1.55, 95% CI 1.18–2.04), depression (ORadj 1.33, 95% CI 1.13–1.56), and hematologic abnormalities (ORadj 1.32, 95% CI 1.01–1.72) were more likely to have previous exposure to IFN-β than controls. Conclusions:Among patients with RRMS, IFN-β was associated with a 1.8- and 1.6-fold increase in the risk of stroke and migraine and 1.3-fold increases in depression and hematologic abnormalities.
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 | 0,001 | 0,003 |
| 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 ».