134 Improvements in Clinical Global Impression of Change With Deutetrabenazine Treatment in Tardive Dyskinesia From the ARM-TD and AIM-TD Studies
Notice bibliographique
Résumé
Abstract Introduction Tardive dyskinesia (TD) is an involuntary movement disorder that is often irreversible, can affect any body region, and can be debilitating. In the ARM-TDand AIM-TD studies, deutetrabenazine treatment demonstrated statistically and clinically significant reductions in Abnormal Involuntary Movement Scale (AIMS) scores at Week 12 compared with placebo (primary endpoint). Objective To evaluate the efficacy of deutetrabenazine, as measured by the Clinical Global Impression of Change (CGIC) scale, in patients with TD from the pooled ARM-TDand AIM-TD (24 and 36 mg/day doses) data sets, as compared with the pooled placebo cohort. Methods ARM-TD and AIM-TD were 12-week, randomized, double-blind, placebo-controlled studies that evaluated the safety and efficacy of deutetrabenazine for thetreatment of TD. The key secondary endpoint of each study was the proportion of patients “much improved” or “very much improved” (treatment success) at Week 12 on theCGIC. Results At Week 12, the odds of treatment success among patients treated with deutetrabenazine (n=152) was more than double that of patients given placebo (n=107; odds ratio: 2.12; P=0.005). In a categorical analysis of CGIC ratings, patients treated with deutetrabenazine showed greater improvement than patients given placebo (P=0.003). Patients treated with deutetrabenazine also had a significantly better treatment response than those given placebo (least-squares mean CGIC score treatment difference: –0.4; P=0.006). Conclusions Deutetrabenazine treatment led to statistically and clinically significant improvements in TD symptoms based on the CGIC result, suggesting that clinicians were able to recognize the benefit in patients treated with deutetrabenazine. Presented at: The International Congress of Parkinson’s Disease and Movement Disorders; June 4–8, 2017; Vancouver, British Columbia, Canada. Funding Acknowledgements These studies were funded by Teva Pharmaceutical Industries, Petach Tikva, Israel.
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 | 0,018 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».