Safety of Fingolimod in Patients with Multiple Sclerosis Switched from Natalizumab: Results from TRANSITION―A 2-Year, Multicenter, Observational, Cohort Study
Notice bibliographique
Résumé
Multiple sclerosis (MS) patients receiving natalizumab and who are at risk of developing progressive multifocal leukoencephalopathy (PML) often switch to other high-efficacy disease-modifying therapies including fingolimod as a risk mitigation strategy, which could impact treatment safety and effectiveness. The TRANSITION study aimed to evaluate the safety of fingolimod over two years in patients with MS after switching from natalizumab in a real-world setting. The safety and effectiveness were assessed by monitoring serious and other adverse events (SAEs, AEs). We assessed effectiveness by recording relapses, Expanded Disability Status Scale (EDSS) scores, and MRI activity. Of 637 patients enrolled, 505 completed the study (mean age, 42 years). Overall, 72.8% and 12.7% experienced AEs and SAEs respectively. The most common AEs were fatigue, headache, and urinary tract infection; no cases of PML were observed. Fingolimod treatment resulted in low disease activity. Patients with ≤8 weeks washout period had a markedly lower risk of relapses (4.5%) than those with >8 weeks (51.4%). In patients switching from natalizumab to fingolimod, no new safety signals with overall low relapse activity were observed in patients with washout latencies of ≤8 weeks before fingolimod initiation. Fingolimod was found to be safe and effective in patients transitioning from natalizumab.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».