Baseline characteristics associated with NEDA-3 status in fingolimod-treated patients with relapsing-remitting multiple sclerosis
Notice bibliographique
Résumé
Fingolimod is an efficacious treatment for relapsing-remitting multiple sclerosis (RRMS) and there is class I evidence that it is superior to standard care in reducing relapse rate. However, real-world data investigating its effectiveness and potential predictors of response are still scarce. To estimate (i) the proportion of fingolimod-treated patients who achieved the no evidence of disease activity (NEDA-3) status; and (ii) to determine which baseline (i.e. at treatment start) clinical and magnetic resonance imaging (MRI) variables were associated with better outcomes. We collected clinical and MRI data of RRMS patients treated with fingolimod and followed-up for 24 months. The proportion of patients who had NEDA-3 - i.e. absence of relapses, sustained Expanded Disability Status Scale (EDSS) worsening and radiological activity on MRI - was estimated. A Cox proportional hazard model was carried out to investigate which baseline characteristics were associated with the NEDA status at follow-up. We collected data of 201 patients who started fingolimod. Of them, 24 (12%) were treatment-naïve, 115 (58%) were switched after failing a self-injectable drug, and 60 (30%) switching from natalizumab. Five patients who discontinued fingolimod early (within 3 months) (bradycardia, n = 2; leukopaenia, n = 2; macular oedema, n = 1) were removed from the analysis. At follow-up, 118 (60%) patients achieved the NEDA-3 status, while 78 experienced clinical and/or MRI activity. The risk of not achieving the NEDA-3 status was associated with higher baseline EDSS score (hazard ratio [HR] = 1.18, p = 0.024) and more relapses in the 12 months prior to fingolimod start (HR = 1.61, p = 0.014). Our findings suggest that fingolimod may lead to a better control of the disease if started in patients with a less aggressive disease (i.e. fewer pre-treatment relapses and milder disability level), thus supporting its possible role as an early treatment for MS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».