Cladribine versus fingolimod, natalizumab and interferon β for multiple sclerosis
Notice bibliographique
Résumé
OBJECTIVE: This propensity score-matched analysis from MSBase compared the effectiveness of cladribine with interferon β, fingolimod or natalizumab. METHODS: We identified all patients with relapse-onset multiple sclerosis, exposure to the study therapies and ⩾1-year on-treatment follow-up from MSBase. Three pairwise propensity score-matched analyses compared treatment outcomes over 1 year. The outcomes were hazards of first relapse, disability accumulation and disability improvement events. Sensitivity analyses were completed. RESULTS: The cohorts consisted of 37 (cladribine), 1940 (interferon), 1892 (fingolimod) and 1410 patients (natalizumab). The probability of experiencing a relapse on cladribine was lower than on interferon ( p = 0.05), similar to fingolimod ( p = 0.31) and higher than on natalizumab ( p = 0.042). The probability of disability accumulation on cladribine was similar to interferon ( p = 0.37) and fingolimod ( p = 0.089) but greater than natalizumab ( p = 0.021). The probability of disability improvement was higher on cladribine than interferon ( p = 0.00017), fingolimod ( p = 0.0025) or natalizumab ( p = 0.00099). Sensitivity analyses largely confirmed the above results. CONCLUSION: Cladribine is an effective therapy for relapse-onset multiple sclerosis. Its effect on relapses is comparable to fingolimod and its effect on disability accrual is comparable to interferon β and fingolimod. Cladribine may potentially associate with superior recovery from disability relative to interferon, fingolimod and natalizumab.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».