Comprehensive systematic review summary: Disease-modifying therapies for adults with multiple sclerosis
Notice bibliographique
Résumé
OBJECTIVE: To review evidence on starting, switching, and stopping disease-modifying therapies (DMTs) for multiple sclerosis (MS) in clinically isolated syndrome (CIS), relapsing-remitting MS (RRMS), and progressive MS forms. METHODS: Relevant, peer-reviewed research articles, systematic reviews, and abstracts were identified (MEDLINE, CENTRAL, EMBASE searched from inception to November 2016). Studies were rated using the therapeutic classification scheme. Prior published Cochrane reviews were also used. RESULTS: Twenty Cochrane reviews and an additional 73 full-text articles were selected for data extraction through an updated systematic review (completed November 2016). For people with RRMS, many DMTs are superior to placebo (annualized relapses rates [ARRs], new disease activity [new MRI T2 lesion burden], and in-study disease progression) (see summary and full text publications). For people with RRMS who experienced a relapse on interferon-β (IFN-β) or glatiramer acetate, alemtuzumab is more effective than IFN-β-1a 44 μg subcutaneous 3 times per week in reducing the ARR. For people with primary progressive MS, ocrelizumab is probably more effective than placebo (in-study disease progression). DMTs for MS have varying adverse effects. In people with CIS, glatiramer acetate and IFN-β-1a subcutaneous 3 times per week are more effective than placebo in decreasing risk of conversion to MS. Cladribine, immunoglobulins, IFN-β-1a 30 μg intramuscular weekly, IFN-β-1b subcutaneous alternate day, and teriflunomide are probably more effective than placebo in decreasing risk of conversion to MS. Suggestions for future research include studies considering comparative effectiveness, usefulness of high-efficacy treatment vs stepped-care protocols, and research into predictive biomarkers.
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 | 0,008 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,010 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».