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 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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».