Phase IV study of retention on fingolimod <i>versus</i> injectable multiple sclerosis therapies: a randomized clinical trial
Notice bibliographique
Résumé
Objective: In relapsing–remitting multiple sclerosis (RRMS), suboptimal adherence to injectable disease-modifying therapies (iDMTs; interferon β-1a/b, glatiramer acetate) is common, reducing their effectiveness. Patient retention on oral fingolimod and iDMTs was evaluated in PREFER MS, a randomized, parallel-group, active-controlled, open-label, 48-week study. Methods: Patients were included if they had RRMS, were aged 18–65 years and had Expanded Disability Status Scale score up to 6, enrolled at 117 US study sites, were treatment naïve or had received only one iDMT class. Patients were randomized 1:1 (fingolimod 0.5 mg/day; preselected iDMT) by interactive voice-and-web-response system without blinding, followed up quarterly, and allowed one study-approved treatment switch after 12 weeks, or earlier for efficacy or safety reasons. The primary outcome was patient retention on randomized treatment over 48 weeks. Secondary endpoints included patient-reported outcomes, brain volume loss (BVL), and cognitive function. Results: Analysis of 433/436 patients receiving fingolimod and 428/439 receiving iDMTs showed that patient retention rate was significantly higher with fingolimod than with iDMTs [352 (81.3%) versus 125 (29.2%); 95% confidence interval 46.4–57.8%; p < 0.0001]. The most common treatment switch was from iDMT to fingolimod for injection-related reasons. Patient satisfaction was greater and BVL less with fingolimod than with iDMTs, with no difference in cognitive function. Adverse events were consistent with established tolerability profiles for each treatment. Conclusions: In RRMS, fingolimod was associated with better treatment retention, patient satisfaction and BVL outcomes than iDMTs. Patients may persist with iDMTs, but many may switch treatment if permitted. Treatment satisfaction fosters adherence, a prerequisite for optimal outcomes.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».