Comparing direct acting antivirals for hepatitis C using observational data – Why and how?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The World Health Organisation's goal of hepatitis C virus (HCV) elimination by 2030 will require lower drug prices. Estimates of comparative efficacy promote competition between pharmaceutical companies but direct acting antivirals have been approved for the treatment of HCV without comparative trials. We emulated a randomized trial to answer the question of whether easy to treat patients with genotype 1 HCV could be treated with sofosbuvir/ledipasvir (SOF/LDV) rather than sofosbuvir/velpatasvir (SOF/VEL). Patients without comorbidities or end stage liver disease were selected from the British Colombia Hepatitis Testers Cohort. To create a conceptual trial, we matched each patient starting SOF/VEL (a 'case') to the patient starting SOF/LDV with the closest propensity score (a 'control'). We estimated the probability of treatment failure under a Bayesian logistic model with a random effect for each case-control set and used that model to give an estimate of a risk difference for the conceptual trial. Treatment failure was recorded for 27 of 825 (3%) cases and for 29 of 602 (5%) matched controls. Estimates from our model were treatment success rates of 97% (95% credible interval, CrI, 95%-98%) for treatment with SOF/VEL, 95% (95% CrI 93%-97%) for treatment with SOF/LDV and a risk difference between treatments of 2% (95% CrI 0%-4%). This risk difference is evidence that SOF/LDV is not inferior to SOF/VEL for easy to treat patients with genotype 1 HCV. The approach is a template for comparing drugs when there are no data from comparative trials.
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.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle