MétaCan
Menu
Retour à la cohorte
Enregistrement W4317871025 · doi:10.1111/ene.15706

Variability of the response to immunotherapy among subgroups of patients with multiple sclerosis

2023· article· en· W4317871025 sur OpenAlexaff
Ibrahima Diouf, Charles B. Malpas, Sifat Sharmin, Izanne Roos, Dana Horáková, Eva Havrdová, Francesco Patti, Vahid Shaygannejad, Serkan Özakbaş, Guillermo Izquierdo, Sara Eichau, Marco Onofrj, Alessandra Lugaresi, Raed Alroughani, Alexandre Prat, Marc Girard, Pierre Duquette, Murat Terzi, Cavit Boz, François Grand’Maison, Sherif Hamdy, Patrizia Sola, Diana Ferraro, Pierre Grammond, Recai Türkoğlu, Katherine Buzzard, Olga Skibina, Bassem Yamout, Ayşe Altıntaş, Oliver Gerlach, Vincent Van Pesch, Yolanda Blanco, Davide Maimone, Jeannette Lechner‐Scott, Roberto Bergamaschi, Rana Karabudak, Gerardo Iuliano, Chris McGuigan, Elisabetta Cartechini, Michael Barnett, Stella Hughes, María José Sá, Claudio Solaro, Ludwig Kappos, Cristina Ramo‐Tello, Edgardo Cristiano, Suzanne Hodgkinson, Daniele Spitaleri, Aysun Soysal, Thor Petersen, Mark Slee, Ernest Butler, Franco Granella, Koen de Gans, Pamela McCombe, Radek Ampapa, Bart Van Wijmeersch, Anneke van der Walt, Helmut Butzkueven, Julie Prévost, L. G. F. Sinnige, José Luis Sánchez-Menoyo, Steve Vucic, Guy Laureys, Liesbeth Van Hijfte, Dheeraj Khurana, Richard Macdonell, Riadh Gouider, Tamara Castillo‐Triviño, Orla Gray, Eduardo Agüera, Abdullah Al‐Asmi, Cameron Shaw, Norma Deri, Talal Al‐Harbi, Yára Dadalti Fragoso, Tünde Csépány, Ángel Pérez Sempere, Irene Treviño‐Frenk, Jan Schepel, Fraser Moore, Tomáš Kalinčík

Notice bibliographique

RevueEuropean Journal of Neurology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensCegep de Saint JeromeJewish General HospitalCentre intégré de santé et de services sociaux de Chaudière-AppalachesUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesMedical Research CouncilNational Health and Medical Research CouncilMultiple Sclerosis AustraliaRoche
Mots-clésMedicineMultiple sclerosisImmunotherapyClinical neurologyInternal medicineOncologyImmunologyNeuroscienceCancer

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: This study assessed the effect of patient characteristics on the response to disease-modifying therapy (DMT) in multiple sclerosis (MS). METHODS: We extracted data from 61,810 patients from 135 centers across 35 countries from the MSBase registry. The selection criteria were: clinically isolated syndrome or definite MS, follow-up ≥ 1 year, and Expanded Disability Status Scale (EDSS) score ≥ 3, with ≥1 score recorded per year. Marginal structural models with interaction terms were used to compare the hazards of 12-month confirmed worsening and improvement of disability, and the incidence of relapses between treated and untreated patients stratified by their characteristics. RESULTS: Among 24,344 patients with relapsing MS, those on DMTs experienced 48% reduction in relapse incidence (hazard ratio [HR] = 0.52, 95% confidence interval [CI] = 0.45-0.60), 46% lower risk of disability worsening (HR = 0.54, 95% CI = 0.41-0.71), and 32% greater chance of disability improvement (HR = 1.32, 95% CI = 1.09-1.59). The effect of DMTs on EDSS worsening and improvement and the risk of relapses was attenuated with more severe disability. The magnitude of the effect of DMT on suppressing relapses declined with higher prior relapse rate and prior cerebral magnetic resonance imaging activity. We did not find any evidence for the effect of age on the effectiveness of DMT. After inclusion of 1985 participants with progressive MS, the effect of DMT on disability mostly depended on MS phenotype, whereas its effect on relapses was driven mainly by prior relapse activity. CONCLUSIONS: DMT is generally most effective among patients with lower disability and in relapsing MS phenotypes. There is no evidence of attenuation of the effect of DMT with age.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,261
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of NeurologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207