Comparative effectiveness of natalizumab on cognition in multiple sclerosis: A cohort study
Notice bibliographique
Résumé
BACKGROUND: Cognitive impairment occurs in 40%-70% of persons with multiple sclerosis (MS). OBJECTIVE: To examine the effectiveness of natalizumab compared with other disease-modifying treatments (DMTs) on improving cognition as measured by the Symbol Digit Modalities Test (SDMT). METHODS: Data were collected as part of Swedish nationwide phase IV surveillance studies (2007-2020). An increase in SDMT score by ⩾10% of the difference between maximum score possible (110) and the baseline value was defined as cognitive improvement. The likelihood of improvement was compared between natalizumab-treated individuals and individuals treated with other DMTs using mixed effect logistic regression. Trend in odds of improvement was investigated using slope analyses. RESULTS: We included 2100 persons with relapsing-remitting MS treated with natalizumab and 2622 persons treated with other DMTs. At 6 months, 45% reached improvement. The natalizumab group showed largest odds of improvement during follow-up (odds ratio: 2.3, 95% confidence interval (CI): 1.5-3.5). The odds of improvement increased by 7% (95% CI: 6-7) per month of natalizumab treatment. The equivalent estimate was 4% (95% CI: 2-5) for other monoclonal antibodies and nonsignificant for oral or platform therapies. CONCLUSION: Treatment with natalizumab or other monoclonal antibodies is associated with a significantly faster likelihood of cognitive improvement than platform or oral DMTs.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».