Disease-Modifying Drug Uptake and Health Service Use in the Ageing MS Population
Notice bibliographique
Résumé
Background: Evidence regarding the efficacy or effectiveness of the disease-modifying drugs (DMDs) in the older multiple sclerosis (MS) population is scarce. This has contributed to a lack of evidence-based treatment recommendations for the ageing MS population in practice guidelines. We examined the relationship between age (<55 and ≥55 years), DMD exposure and health service use in the MS population. Methods: birthday or 01-January-1996 (index date) until the earliest of emigration, death or 31-December-2017 (study end). We assessed DMD exposure status over time, initially as any versus no DMD, then by generation (first or second) and finally by each individual DMD. Age-specific analyses were conducted with all-cause hospitalizations and number of physician visits assessed using proportional means model and negative binomial regression with generalized estimating equations. Results: We included 19,360 persons with MS (72% were women); 10,741/19,360 (56%) had ever reached their 55th birthday. Person-years of follow-up whilst aged <55 was 132,283, and 93,594 whilst aged ≥55. Any DMD, versus no DMD in the <55-year-olds was associated with a 23% lower hazard of hospitalization (adjusted hazard ratio, aHR0.77; 95%CI 0.72-0.82), but not in the ≥55-year-olds (aHR0.95; 95%CI 0.87-1.04). Similar patterns were observed for the first and second generation DMDs. Exposure to any (versus no) DMD was not associated with rates of physician visits in either age group (<55 years: adjusted rate ratio, aRR1.02; 95%CI 1.00-1.04 and ≥55 years: aRR1.00; 95%CI 0.96-1.03), but variation in aRR was observed across the individual DMDs. Conclusion: Our study showed beneficial effects of the DMDs used to treat MS on hospitalizations for those aged <55 at the time of exposure. In contrast, for individuals ≥55 years of age exposed to a DMD, the hazard of hospitalization was not significantly lowered. Our study contributes to the broader understanding of the potential benefits and risks of DMD use in the ageing MS population.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».