Systematic review and network meta‐analysis comparing ofatumumab with other disease‐modifying therapies available in Japan for the treatment of patients with relapsing multiple sclerosis
Notice bibliographique
Résumé
Abstract Objective No head‐to‐head clinical trials have compared ofatumumab with other disease‐modifying therapies (DMTs) available in Japan for patients with relapsing multiple sclerosis (RMS). In this study, a network meta‐analysis (NMA) was conducted to compare the efficacy of ofatumumab to other DMTs currently available in Japan for the treatment of patients with RMS. Methods Systematic searches were conducted in biomedical databases from inception to June 2020 to identify randomized controlled trials. Only English‐ and Japanese‐language publications describing studies conducted in Japan were included. Trials with sufficiently similar study and patient characteristics were included in a Bayesian NMA. A sensitivity analysis was conducted to explore the impact of potential sources of uncertainty. Results Four trials, each comparing a DMT with placebo in a ≥50% Japanese population, were sufficiently similar that comparative efficacy could be assessed for annualized relapse rate (ARR). Ofatumumab numerically reduced ARR compared with fingolimod (rate ratio [RR]: 0.84, 95% credible interval [CrI]: 0.20–3.39), dimethyl fumarate (RR: 0.61, 95% CrI: 0.16–2.30), and placebo (RR: 0.41, 95% CrI: 0.12–1.39), but not natalizumab (RR: 1.33, 95% CrI: 0.33–5.45). In a subgroup analysis of Japanese patients only, ofatumumab reduced relapses compared with all other treatments including natalizumab. These results were limited by the lack of studies reporting direct comparisons between included treatments and by heterogenous reporting of outcome data. Conclusion These findings, although limited by the paucity of evidence for Japanese patients, suggest that monoclonal antibody therapies (ie, natalizumab and ofatumumab) may provide improved efficacy compared with other DMTs available in Japan for patients with RMS.
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 | 0,033 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,041 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».