Current international trends in the treatment of multiple sclerosis in children—Impact of the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: Only recently has the first disease-modifying therapy been approved for children with multiple sclerosis (MS) and practice patterns including substantial off-label use have evolved. Understanding attitudes towards treatment of paediatric MS and whether this has changed due to the ongoing COVID-19 pandemic is vital to guide future therapeutic trials and for developing guidelines that reflect practice. METHODS: We performed an online survey within the International Paediatric Multiple Sclerosis Study Group between July and September 2020. The survey was sent to 130 members from 25 countries and consisted of five sections: demographic data, treatment, disease modifying therapies and COVID-19, outcome and three patient cases. RESULTS: The survey was completed by 66 members (51%), both paediatric neurologists and adult neurologists. Fingolimod and β-interferons were the most frequently used disease-modifying therapies, especially among paediatric neurologists. Almost a third (31%) of respondents had altered their prescribing practice due to COVID-19, in particular at the beginning of the pandemic. CONCLUSIONS: The survey results indicate a tendency of moving from the traditional escalation therapy starting with injectables towards an early start with newer, highly effective disease modifying therapies. The COVID-19 pandemic only slightly affected prescribing patterns and treatment choices in paediatric MS.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».