168 Comparative safety and efficacy of cognitive enhancers for Alzheimer’s dementia: an individual patient data network meta-analysis
Notice bibliographique
Résumé
Objectives Alzheimer’s dementia (AD) is the most common type of dementia. However, it is unclear which cognitive enhancer is optimal for severe AD. Patient-level data from people with AD can be helpful to explore patient-level variation per treatment response. Pooling individual patient data (IPD) from multiple randomised clinical trials (RCTs) of clinical interventions is considered the ‘gold standard’ analysis. To examine the comparative efficacy and safety of cognitive enhancers by patient characteristics, such as AD severity and sex, and to assess treatment-by-covariate interactions through IPD network meta-analysis (NMA). Method We searched for RCTs with adults comparing cognitive enhancers, and addressing cognition using the Mini-Mental State Examination (MMSE) and/or serious adverse events (SAEs). For eligible RCTs, we requested IPD from authors, sponsors and data sharing platforms. We assessed for consistency between results from published RCTs and provided IPD. We applied an available case analysis for each study, but we plan to explore the impact of missing data through the use of informative missingness parameters in NMA. We captured reasons for missing participants and time to SAE. We conducted a 2-stage analysis: at 1st stage IPD from included studies were aggregated to study-level summary; at 2nd stage the trial parameter estimates were synthesized in a random-effects NMA. We summarized evidence using the odds ratio (OR) and mean difference (MD), respectively. We combined aggregated data from RCTs for which we were unable to obtain IPD. Results We included 108 RCTs and received IPD for 17 (16%) RCTs. Of the 17 RCTs, we were able to include 12 RCTs in our NMA with complete data. Access to IPD via proprietary sponsor-specific platforms restricted us from combining IPD in a one-stage NMA model. In most IPD, we encountered a high dropout rate (up to 72%), for which most publications used the last observation carried forward imputation method. NMA results including IPD and/or aggregate data will be presented at the EBMLive. Conclusions An advantage of our IPD-NMA is that we were able to include outcome data, which were not reported in the original publications. Our study will provide insight on personalized medicine for patients with AD.
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 | 0,044 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,056 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».