One year effectiveness study of intravitreal aflibercept in neovascular age‐related macular degeneration: a meta‐analysis
Notice bibliographique
Résumé
The current body of evidence on the efficacy and safety of aflibercept for age-related macular degeneration (AMD) is steadily growing as large clinical trials and observational studies are continually completed. Our aim was to analyse 1-year visual acuity (VA) outcomes in response to aflibercept therapy and identify factors affecting treatment response using evidence generated from a pooled analysis of current studies. A literature review of multiple electronic databases (EMBASE, MEDLINE, MedMEME) revealed 12 studies meeting inclusion and exclusion criteria for statistical analysis. Treatment posology, baseline patient characteristics, study type, sample size and 12-month change in VA were pooled in a meta-analysis with VA change as the main outcome. Data were then stratified by study design and posology in subgroup analyses. A meta-regression was conducted to regress 12-month VA change against posology, baseline VA and age. Users of aflibercept experienced an overall increase of 7.37 letters (95% confidence interval: 6.27-8.48, p heterogeneity: <0.001) in VA at 12 months of follow-up. In subgroup analyses, mean VA change was higher for randomized control trials and cohorts following regular posology (>7 injections/year) compared to observational studies and irregular posology. The meta-regression showed larger VA gains with regular posology compared to an irregular posology, and decreased effect size as age increased. This meta-analysis strongly suggests improved VA outcomes at 12 months in patients with wet AMD for 2.0 mg aflibercept, comparable to but slightly lower than landmark trials. Increased injection frequency and younger age demonstrates a trend with improved 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 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 ».