Comparative effectiveness of cladribine tablets versus other oral disease-modifying treatments for multiple sclerosis: Results from MSBase registry
Notice bibliographique
Résumé
BACKGROUND: Effectiveness of cladribine tablets, an oral disease-modifying treatment (DMT) for multiple sclerosis (MS), was established in clinical trials and confirmed with real-world experience. OBJECTIVES: Use real-world data to compare treatment patterns and clinical outcomes in people with MS (pwMS) treated with cladribine tablets versus other oral DMTs. METHODS: Retrospective treatment comparisons were based on data from the international MSBase registry. Eligible pwMS started treatment with cladribine, fingolimod, dimethyl fumarate, or teriflunomide tablets from 2018 to mid-2021 and were censored at treatment discontinuation/switch, death, loss to follow-up, pregnancy, or study period end. Treatment persistence was evaluated as time to discontinuation/switch; relapse outcomes included time to first relapse and annualized relapse rate (ARR). RESULTS: Cohorts included 633 pwMS receiving cladribine tablets, 1195 receiving fingolimod, 912 receiving dimethyl fumarate, and 735 receiving teriflunomide. Individuals treated with fingolimod, dimethyl fumarate, or teriflunomide switched treatment significantly more quickly than matched cladribine tablet cohorts (adjusted hazard ratio (95% confidence interval): 4.00 (2.54-6.32), 7.04 (4.16-11.93), and 6.52 (3.79-11.22), respectively). Cladribine tablet cohorts had significantly longer time-to-treatment discontinuation, time to first relapse, and lower ARR, compared with other oral DMT cohorts. CONCLUSION: Cladribine tablets were associated with a significantly greater real-world treatment persistence and more favorable relapse outcomes than all oral DMT comparators.
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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».