Anti‐inflammatory disease‐modifying treatment and disability progression in primary progressive multiple sclerosis: a cohort study
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Treatment options in primary progressive multiple sclerosis (PPMS) are scarce and, with the exception of ocrelizumab, anti-inflammatory agents have failed to show efficacy in ameliorating disability progression. The aim of this study was to investigate a potential effect of anti-inflammatory disease-modifying treatment on disability outcomes in PPMS. METHODS: Using MSBase, a large, international, observational database, we identified patients with PPMS who were either never treated or treated with a disease-modifying agent. Propensity score matching was used to select subpopulations with similar baseline characteristics. Expanded Disability Status Scale (EDSS) outcomes were compared with an intention-to-treat and an as-treated approach in paired, pairwise-censored analyses. RESULTS: Of the 1284 included patients, 533 were matched (treated, n = 195; untreated n = 338). Median on-study pairwise-censored follow-up was 3.4 years (quartiles 1.2-5.5). No difference in the hazard of experiencing 3-month confirmed EDSS progression events was observed between the groups [hazard ratio (HR), 1.0; 95% confidence interval (CI), 0.6-1.7, P = 0.87]. We did not find significant differences in the hazards of confirmed EDSS improvement (HR, 1.0; 95% CI, 0.6-1.6, P = 0.91) or reaching a confirmed EDSS step ≥7 (HR, 1.1; 95% CI, 0.7-1.6, P = 0.69). CONCLUSION: Our pooled analysis of disease-modifying agents suggests that these therapies have no substantial effect on short- to medium-term disability outcomes in PPMS.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».