Multiple Sclerosis Relapses Following Cessation of Fingolimod
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: There is growing interest in the issue of disease reactivation in multiple sclerosis following fingolimod cessation. Relatively little is known about modifiers of the risk of post-cessation relapse, including the delay to commencement of new therapy and prior disease activity. OBJECTIVE: We aimed to determine the rate of relapse following cessation of fingolimod and to identify predictors of relapse following cessation. METHODS: Data were extracted from the MSBase registry in March 2019. Inclusion criteria were (a) clinically definite relapsing multiple sclerosis, (b) treatment with fingolimod for ≥ 12 months, (c) follow-up after cessation for ≥ 12 months, and (d) at least one Expanded Disability Status Scale score recorded in the 12 months before cessation. RESULTS: A total of 685 patients were identified who met criteria. The mean annualised relapse rate was 1.71 (95% CI 1.59, 1.85) in the year prior to fingolimod, 0.50 (95% CI 0.44, 0.55) on fingolimod and 0.43 (95% CI 0.38, 0.49) after fingolimod. Of these, 218 (32%) patients experienced a relapse in the first 12 months. Predictors of a higher relapse rate in the first year were: younger age at fingolimod cessation, higher relapse rate in the year prior to cessation, delaying commencement of new therapy and switching to low-efficacy therapy. CONCLUSIONS: Disease reactivation following fingolimod cessation is more common in younger patients, those with greater disease activity prior to cessation and in those who switch to a low-efficacy therapy.
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.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle