← Retour à la cohorte
Safety, efficacy, and tolerability of efgartigimod in patients with generalised myasthenia gravis (ADAPT): a multicentre, randomised, placebo-controlled, phase 3 trial
James F. Howard, Vera Bril, Tuan Vu, Chafic Karam, Stojan Perić, Temur Margania, Hiroyuki Murai, Małgorzata Bilińska, R Shakarishvili, Marek Śmiłowski, Antonio Guglietta, Peter Ulrichts, Tony Vangeneugden, Kimiaki Utsugisawa, Jan J.G.M. Verschuuren, Renato Mantegazza, Jan L. De Bleecker, Kathy de Koning, Katrien De Mey, Annelien De Pue, R. Mercelis, Maren Wyckmans, Caroline Vinck, Linda Wagemaekers, Jonathan Baets, Eduardo Ng, Jafar Shabanpour, Lubna Daniyal, Shabber Mannan, Hans Katzberg, Angela Genge, Zaeem A. Siddiqi, Jana Junkerová, Jana Hořáková, Katerina Reguliova, Michaela Týblová, Ivana Jurajdova, Iveta Nováková, Michala Jakubíková, Jiří Piťha, Stanislav Voháňka, Katerina Havelkova, Tomáš Horák, Josef Bednařík, Mageda Horakova, Andreas Meisel, Dike Remstedt, Claudia Heibutzki, Siegfried Köhler, Lea Gerischer, Sarah Hoffman, Frauke Stascheit, John Vissing, Lizzie Zafirakos, Kuldeep Kumar Khatri, Anne Ostergaard Autzen, Mads Stemmerik, Henning Andersen, Shahram Attarian, Emmanuelle Salort‐Campana, Émilien Delmont, Aude‐Marie Grapperon, Ludivine Kouton, Alexander Tsiskaridze, Csilla Rózsa, Gedeonne Jakab, Szilvia Z. Tóth, G Szabó, David Bors, Enikő Szabó, Angela Campanella, Fiammetta Vanoli, Rita Frangiamore, Carlo Antozzi, Silvia Bonanno, Lorenzo Maggi, Riccardo Giossi, Francesco Saccà, Angela Marsili, Chiara Pane, Giorgia Puorro, Antonio Reia, Giovanni Antonini, Girolamo Alfieri, Stefania Morino, Matteo Garibaldi, Laura Fionda, Luca Leonardi, Shingo Konno, Akiyuki Uzawa, Kaoru Sakuma, Chiho Watanabe, Yukiko Ozawa, Manato Yasuda, Yosuke Onishi, Makoto Samukawa, Tomoko Tsuda, Yasushi Suzuki, Sayaka Ishida, Genya Watanabe, Masanori Takahashi, Hiroko Nakamura, Erina Sugano, Tomoya Kubota, Tomihiro Imai, Mari Hotta Suzuki, Ayako Mori, Daisuke Yamamoto, Kazuna Ikeda, Shin Hisahara, Masayuki Masuda, Miki Takaki, Kanako Minemoto, Nobuhiro Ido, Makiko Naito, Yoshihiko Okubo, Takamichi Sugimoto, Yuka Takematsu, Ayumi Kamei, Mihiro Shimizu, Hiroyuki Naito, Eiichi Nomura, Marjolein Van Heur, Anne-Marie Peters, Martijn R. Tannemaat, Annabel M. Ruiter, Kevin R. Keene, Marek Halas, Andrzej Szczudlik, Marta Pinkosz, Monika Frasinska, G Zwolińska, Anna Kostera‐Pruszczyk, Aleksandra Golenia, Piotr Szczudlik, L Szczechowski, Aneta Paśko, И. Е. Повереннова, Lubov Urtaeva, Nadezhda Kuznetsova, Tatiana Romanova, Nadezhda Malkova, Elena Lapochka, D. S. Korobko, Ilona Vergunova, Anna Melnikova, Ekaterina Bulatova, Е.А. Антипенко, Ivana Basta, Ivo Božović, Dragana Lavrnić, Vidosava Rakočević Stojanović, Said R. Beydoun, Salma Akhter, Ali Malekniazi, Leila Darki, Norianne Pimentel, Victoria Cannon, Manisha Chopra, Rebecca Traub, Tahseen Mozaffar, Isela Hernandez, I C Turner, Ali A. Habib, Namita Goyal, Manisha Kak, Erik Velasquez, Lucy Lam, Niraja Suresh, Jerrica Farias, Sarah Jones, Mary Wagoner, D.J. Eggleston, Tulio E. Bertorini, Cindy Benzel, Robert Henegar, Rekha Pillai, Ratna Bharavaju-Sanka, Carolyn Paiz, Carlayne E. Jackson, Katherine Ruzhansky, Diana Dimitrova, Amy Visser, Nizar Chahin, Todd Levine, Robert P. Lisak, Kelly Jia, Flicia Mada, Evanthia Bernitsas, Mamatha Pasnoor, Katherine Roath, Samantha Colgan, Melissa Currence, Andrew Heim, Richard J. Barohn, Mazen M. Dimachkie, Jeffrey Statland, Omar Jawdat, Duaa Jabari, Constantine Farmakidis, James M. Gilchrist, Yuebing Li, Irys Caristo, Debbie Hastings, John A. Morren, Michael D. Weiss, Srikanth Muppidi, T. M. T. Nguyen, Lesly Welsh, Yuen T. So, Neelam Goyal, Michael Pulley, Cathy S. Bailey, Zubair Quraishi, Alan Ross Berger, Gregory Sahagian, Yasmin Camberos, Benjamin Frishberg
Notice bibliographique
RevueThe Lancet Neurology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMyasthenia Gravis and Thymoma
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesArgenx
Mots-clésTolerabilityMedicinePlaceboMyasthenia gravisAdverse effectInternal medicinePhysical therapyAlternative medicine
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
Tête enseignante Opus0,015
Tête enseignante GPT0,266
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations668
Publié2021
Routes d'admission1
Résumé présentnon