A <i>post hoc</i> evaluation of the shift in spasticity category in individuals with multiple sclerosis-related spasticity treated with nabiximols
Notice bibliographique
Résumé
Background: Over 80% of individuals with multiple sclerosis (MS) experience MS-associated spasticity (MSS). In many European countries, after failure of first-line treatments, moderate or severe MSS can be treated with nabiximols, a cannabis-based add-on treatment. Objective: This post hoc analysis assessed the shift of participants treated with nabiximols from higher (severe or moderate) to lower (moderate or mild/none) spasticity. Methods: Previously published data from two randomised controlled trials (RCTs), GWSP0604 (NCT00681538) and SAVANT (EudraCT2015-004451-40), and one large real-world study (consistent with EU label), all enriched for responders, were re-analysed. Spasticity severity, measured using the 0–10 numerical rating scale (spasticity NRS), was categorised as none/mild (score <4), moderate (score ⩾4–7), or severe (score ⩾7). Results: In the two RCTs, the shift of participants with severe MSS into a lower category was significantly greater at week 12 for those receiving nabiximols versus placebo [GWSP0604: OR (95% CI), 4.4 (1.4, 14.2), p = 0.0125; SAVANT: 5.2 (1.2, 22.3), p = 0.0267]. In all three studies, over 80% of assessed patients with severe spasticity at baseline reported a shift into a lower category of spasticity after 12 weeks. Conclusions: A meaningful proportion of MSS patients treated with nabiximols shifted to a lower category of spasticity severity, typically maintained to the end of the 12-week study period.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».