COVID-19 Infection in Fingolimod- or Siponimod-Treated Patients
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: A descriptive analysis of COVID-19 infection in patients with multiple sclerosis (MS) receiving fingolimod or siponimod. METHODS: We reviewed the cases of COVID-19 from postmarketing or ongoing clinical trials reported to Novartis through December 27, 2020. RESULTS: As of December 27, 2020, 283 cases had been reported in fingolimod-treated patients. The mean age was 44 years (from n = 224; range 11-69 years), and 190 were women. Of 161 cases with available information, 138 were asymptomatic (6), mild (100), or moderate (32); 50 cases required hospitalization. At the last follow-up, 140 patients were reported as recovered/recovering, condition was unchanged in 22, and deteriorated in 3 patients; 4 patients had a fatal outcome. Information was not available for 114 patients. Of the 54 cases of COVID-19 reported in siponimod-treated patients, 45 were from the postmarketing setting and 9 from an ongoing open-label clinical trial. The mean age was 54 years (from n = 45; range 31-70), and 30 were women. Of 28 cases with available information, 24 were asymptomatic (2), mild (17), or moderate (5); 9 cases required hospitalization. At the last follow-up, 27 patients were reported as recovered/recovering, condition remained unchanged for 1, and 3 patients had a fatal outcome. Information was not available for 23 patients. DISCUSSION: Based on a review of available information, the risk of more severe COVID-19 in patients receiving fingolimod or siponimod seems to be similar to that reported in the general population and the MS population with COVID-19. However, limitations of spontaneous reporting, especially missing data, should be considered in the interpretation of these observations.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».