Comparing switch to ocrelizumab, cladribine or natalizumab after fingolimod treatment cessation in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: To compare the effectiveness and treatment persistence of ocrelizumab, cladribine and natalizumab in patients with relapsing-remitting multiple sclerosis switching from fingolimod. METHODS: Using data from MSBase registry, this multicentre cohort study included subjects who had used fingolimod for ≥6 months and then switched to ocrelizumab, cladribine or natalizumab within 3 months after fingolimod discontinuation. We analysed relapse and disability outcomes after balancing covariates using an inverse-probability-treatment-weighting method. Propensity scores for the three treatments were obtained using multinomial-logistic regression. Due to the smaller number of cladribine users, comparisons of disability outcomes were limited to natalizumab and ocrelizumab. RESULTS: Overall, 1045 patients switched to ocrelizumab (n=445), cladribine (n=76) or natalizumab (n=524) after fingolimod. The annualised relapse rate (ARR) for ocrelizumab was 0.07, natalizumab 0.11 and cladribine 0.25. Compared with natalizumab, the ARR ratio (95% confidence interval [CI]) was 0.67 (0.47 to 0.96) for ocrelizumab and 2.31 (1.30 to 4.10) for cladribine; the hazard ratio (95% CI) for time to first relapse was 0.57 (0.40 to 0.83) for ocrelizumab and 1.18 (0.47 to 2.93) for cladribine. Ocrelizumab users had an 89% lower discontinuation rate (95% CI, 0.07 to 0.20) than natalizumab, but also a 51% lower probability of confirmed disability improvement (95% CI, 0.32 to 0.73). There was no difference in disability accumulation. CONCLUSION: After fingolimod cessation, ocrelizumab and natalizumab were more effective in reducing relapses than cladribine. Due to the low ARRs in all three treatment groups, additional observation time is required to determine if statistical difference in ARRs results in long-term disability differences.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».