Analysis of the MILES cohort reveals determinants of disease progression and treatment response in lymphangioleiomyomatosis
Notice bibliographique
Résumé
Introduction The Multicenter International Lymphangioleiomyomatosis (LAM) Efficacy of Sirolimus (MILES) trial revealed that sirolimus stabilised lung function in patients with moderately severe LAM. The purpose of this study was to further examine the MILES cohort for the effects of racial, demographic, clinical and physiological patient characteristics on disease progression and treatment response in LAM. Methods MILES subjects were stratified on the basis of menopausal status (pre-menopausal/post-menopausal), race (Asian/Caucasian), bronchodilator responsiveness (present/absent), initial forced expiratory volume in 1 s (FEV1; 51–70%versus≤50% predicted) and tuberous sclerosis complex (TSC) association (yes/no). A linear mixed effects model was used to compare slope differences, and nonparametric tests were used to compare medians and proportions between treatment groups in each stratum. Results In the MILES placebo group, pre-menopausal patients declined 5-fold faster than post-menopausal patients (mean±seFEV1slope −17±3versus−3±3 mL·month−1; p=0.003). Upon treatment with sirolimus, both the pre-menopausal (−17±3versus−1±2 mL·month−1; p<0.0001) and post-menopausal patients (−3±3versus6±3 mL·month−1; p=0.04) exhibited a beneficial response in mean±seFEV1slope compared with the placebo group. Race, LAM subtype, bronchodilator responsiveness or baseline FEV1did not impact the rate of disease progression in the placebo group or treatment response in the sirolimus group. Menopausal status and race had differential effects on the adverse event profile of sirolimus. Baseline serum vascular endothelial growth factor (VEGF)-D >600 pg·mL−1identified subgroups of patients who were more likely to decline on placebo and respond to treatment with sirolimus. Conclusions In LAM patients, treatment with sirolimus is beneficial regardless of menopausal status, race, bronchodilator responsiveness, baseline FEV1or TSC association. Serum VEGF-D and menopausal status can help inform therapeutic decisions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».