Comparative the efficacy and acceptability of immunosuppressive agents for myasthenia gravis: A protocol for systematic review and network meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Immunosuppressive drugs are routinely used to treat myasthenia gravis (MG). However, current recommendations provide limited evidence to support treatment options, leading to considerable variation in practice among healthcare specialists. Hence, we present a protocol for a systematic review and network meta-analysis (NMA) to update the evidence by comparing the efficacy and acceptability of oral immunosuppressive drugs for the treatment of MG. METHODS: We will conduct a systematic review and NMA of all randomized controlled trials evaluating the following oral immunosuppressive drugs for the treatment of MG. Published studies will be searched using the following databases from inception to November 23, 2021: CENTRAL, the CINAHL, MEDLINE, Embase, PsycINFO, Web of Science, and 3 Chinese databases (Chinese Biomedical Literatures Database, CNKI, and Wan Fang database). Assessment of study eligibility and data extraction will be conducted independently by 2 reviewers. The main outcome will be a quantitative MG scoring system. We will conduct Bayesian NMA to synthesize all evidence for each outcome and obtain a comprehensive ranking of all treatments. The quality of the evidence will be evaluated using the Grading of Recommendations, Assessment, Development, and Evaluations framework. RESULTS: The objective of this study was to assess the relative clinical efficacy and acceptability of first-line immunosuppressants for the treatment of MG, using a systematic review and NMA approach. CONCLUSION: In the absence of head-to-head trials comparing therapies, evidence from this NMA of available clinical trials will inform clinicians, patients, and families the risk-benefit profiles of different treatment options.
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 | 0,101 | 0,159 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,019 | 0,032 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,003 |
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 ».