The effectiveness of natalizumab vs fingolimod–A comparison of international registry studies
Notice bibliographique
Résumé
BACKGROUND: Natalizumab and fingolimod were the first preparations recommended for disease breakthrough in priorly treated relapsing-remitting multiple sclerosis. Of three published head-to-head studies two showed that natalizumab is the more effective to prevent relapses and EDSS worsening. METHODS: By re-analyzing original published results from MSBase, France, and Denmark using uniform methodologies, we aimed at identifying the effects of differences in methodology, in the MS-populations, and at re-evaluating the differences in effectiveness between the two drugs. We gained access to copies of the individual amended databases and pooled all data. We used uniform inclusion/exclusion criteria and statistical methods with Inverse Probability Treatment Weighting. RESULTS: The pooled analyses comprised 968 natalizumab- and 1479 fingolimod treated patients. The on-treatment natalizumab/fingolimod relapse rate ratio was 0.77 (p=0.004). The hazard ratio (HR) for a first relapse was 0.82 (p=0.030), and the HR for sustained EDSS improvement was 1.4 (p=0.009). There were modest differences between each of the original published studies and the replication study, but the conclusions of the three original studies remained unchanged: in two of them natalizumab was more effective, but in the third there was no difference between natalizumab and fingolimod. CONCLUSION: The results were largely invariant to the epidemiological and statistical methods but differed between the MS populations. Generally, the advantage of natalizumab was confirmed.
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 | 0,173 | 0,272 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,012 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».