Effectiveness of multiple disease-modifying therapies in relapsing-remitting multiple sclerosis: causal inference to emulate a multiarm randomised trial
Notice bibliographique
Résumé
BACKGROUND: Simultaneous comparisons of multiple disease-modifying therapies for relapsing-remitting multiple sclerosis (RRMS) over an extended follow-up are lacking. Here we emulate a randomised trial simultaneously comparing the effectiveness of six commonly used therapies over 5 years. METHODS: Data from 74 centres in 35 countries were sourced from MSBase. For each patient, the first eligible intervention was analysed, censoring at change/discontinuation of treatment. The compared interventions included natalizumab, fingolimod, dimethyl fumarate, teriflunomide, interferon beta, glatiramer acetate and no treatment. Marginal structural Cox models (MSMs) were used to estimate the average treatment effects (ATEs) and the average treatment effects among the treated (ATT), rebalancing the compared groups at 6-monthly intervals on age, sex, birth-year, pregnancy status, treatment, relapses, disease duration, disability and disease course. The outcomes analysed were incidence of relapses, 12-month confirmed disability worsening and improvement. RESULTS: 23 236 eligible patients were diagnosed with RRMS or clinically isolated syndrome. Compared with glatiramer acetate (reference), several therapies showed a superior ATE in reducing relapses: natalizumab (HR=0.44, 95% CI=0.40 to 0.50), fingolimod (HR=0.60, 95% CI=0.54 to 0.66) and dimethyl fumarate (HR=0.78, 95% CI=0.66 to 0.92). Further, natalizumab (HR=0.43, 95% CI=0.32 to 0.56) showed a superior ATE in reducing disability worsening and in disability improvement (HR=1.32, 95% CI=1.08 to 1.60). The pairwise ATT comparisons also showed superior effects of natalizumab followed by fingolimod on relapses and disability. CONCLUSIONS: The effectiveness of natalizumab and fingolimod in active RRMS is superior to dimethyl fumarate, teriflunomide, glatiramer acetate and interferon beta. This study demonstrates the utility of MSM in emulating trials to compare clinical effectiveness among multiple interventions simultaneously.
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 | 0,307 | 0,245 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,019 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».