Matching-adjusted indirect treatment comparison of siponimod and other disease modifying treatments in secondary progressive multiple sclerosis
Notice bibliographique
Résumé
Background: Siponimod, interferon beta-1a (IFNβ-1a), IFNβ-1b and natalizumab have been evaluated as treatments for secondary progressive multiple sclerosis (SPMS) in separate randomized controlled trials (RCTs), but not head-to-head. These trials included heterogeneous patient populations, which limits the use of standard network meta-analysis (NMA) for indirect treatment comparison (ITC) of relative efficacy. Matching-adjusted indirect comparison (MAIC) aims to correct these cross-trial differences. We compared siponimod to other disease modifying treatments (DMTs) in SPMS using MAIC.Methods: Individual patient data (IPD) were available for siponimod (EXPAND), while only published summary data were available for IFNβ-1a (Nordic Study, SPECTRIMS, IMPACT), IFNβ-1b (North American Study, European Study) and natalizumab (ASCEND). MAICs were conducted between siponimod and the other DMTs by re-weighting patients in EXPAND based on logistic regression.Results: Siponimod was determined to be statistically significantly more effective for the outcome of time to 6 month confirmed disability progression (CDP) compared with 22 µg IFNβ-1a and 250 µg IFNβ-1b, and for the outcome of time to CDP-3 compared with 60 µg IFNβ-1a. Siponimod was numerically but not statistically superior for CDP in all other comparisons. For annualized relapse rate (ARR), with the exception of natalizumab, siponimod was numerically but not statistically superior to all comparators.Conclusions: EXPAND provides evidence of the efficacy of siponimod compared with placebo, and these MAICs complement this by demonstrating improved efficacy of siponimod relative to DMTs. Siponimod offers a significant therapeutic advance that may slow disease progression compared to other DMTs in an EXPAND-like population with secondary progressive disease.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».