Comparative assessment of subretinal hyper-reflective material in patients treated with brolucizumab versus aflibercept in HAWK and HARRIER
Notice bibliographique
Résumé
PURPOSE: Post hoc analysis of the phase III HAWK and HARRIER studies to compare the reductions in subretinal hyper-reflective material (SHRM) thickness following brolucizumab 6 mg or aflibercept 2 mg treatment and to assess SHRM thickness and thickness variability as a potential biomarker of visual outcomes in patients with neovascular age-related macular degeneration (nAMD). METHODS: Optical coherence tomography images from the brolucizumab (n=700) and aflibercept (n=696) arms were analysed for the maximum SHRM thickness across the macula over 96 weeks. In a pooled treatment-agnostic analysis, the effect of week 12 SHRM thickness and SHRM thickness variability on best-corrected visual acuity (BCVA) through week 96 were also assessed. RESULTS: Brolucizumab was associated with numerically higher percentage reductions from baseline in SHRM thickness versus aflibercept in all patients (week 96: 54.4% vs 47.6%, respectively) and also in the matched subgroups with disease activity at week 16 (week 96: 51.6% vs 33.8%, respectively). In eyes with lower SHRM measurements at week 12, mean BCVA gains from baseline were higher at week 96 (<200 µm, +6.47 Early Treatment Diabetic Retinopathy Study letters; ≥200 µm, +3.10 letters). Eyes with the lowest SHRM thickness variability from week 12 to week 96 showed the greatest mean BCVA gains from baseline (week 96: <12 µm, +7.42 letters; >71 µm, -2.95 letters). CONCLUSIONS: In HAWK and HARRIER, greater reductions in maximum SHRM thickness from baseline were observed with brolucizumab compared with aflibercept. Furthermore, the data suggest that SHRM thickness postloading and SHRM thickness variability over time are biomarkers for visual outcomes in patients with nAMD.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».