115 Impact of siponimod on myelination across SPMS subgroups: post-hoc analysis from EXPAND MRI substudy
Notice bibliographique
Résumé
Background Changes in magnetization transfer ratio (MTR) are a marker of changes in myelin density and brain tissue integrity. Siponimod improved lesional MTR recovery in the overall EXPAND secondary progressive multiple sclerosis (SPMS) population. Objectives Investigate the effect of siponimod on MTR changes in SPMS subgroups. Methods This prospective sub-study assessed the effect of siponimod versus placebo on median nor- malized MTR (nMTR) in normal appearing brain tissue (NABT), cortical Grey Matter (cGM) and normal appearing white matter (NAWM). Subgroups were defined by: disease history, severity and duration, EDSS score, Symbol Digit Modalities Test score, and inflammatory disease activity. Results There was an attenuation in median nMTR decrease versus placebo across all subgroups (all p<0.05 except EDSS≥6 subgroup, p=0.064). In the active SPMS subgroup, siponimod attenuated median nMTR decrease across NABT, cGM and NAWM by 91–109% (p<0.01 all); and in the non-active SPMS subgroup by 170– 198% (p=0.0151 for NAWM, p>0.05 for NABT, cGM). Conclusions Over 24 months, siponimod attenuated the decrease in median nMTR in brain tissues across patient subgroups characterized by disease activity and severity, with most pronounced effects in NAWM. This supports preclinical studies, showing beneficial CNS effects on myelination. teresa.sawtell@novartis.com
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,003 | 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 ».