Emulating randomised clinical trials in relapsing-remitting multiple sclerosis with non-randomised real-world evidence: an application using data from the MSBase Registry
Notice bibliographique
Résumé
BACKGROUND: To mimic as closely as possible a randomised controlled trial (RCT) and calibrate the real-world evidence (RWE) studies against a known treatment effect would be helpful to understand if RWE can support causal conclusions in selected circumstances. The aim was to emulate the TRANSFORMS trial comparing Fingolimod (FTY) versus intramuscular interferon β-1a (IFN) using observational data. METHODS: We extracted from the MSBase registry all the patients with relapsing-remitting multiple sclerosis (RRMS) collected in the period 2011-2021 who received IFN or FTY (0.5 mg) and with the same inclusion and exclusion criteria of the TRANSFORMS RCT. The primary endpoint was the annualised relapse rate (ARR) over 12 months. Patients were 1:1 propensity-score (PS) matched. Relapse-rate ratio (RR) was calculated by mean of a negative binomial regression. RESULTS: A total of 4376 patients with RRMS (1140 in IFN and 3236 in FTY) were selected. After PS, 856 patients in each group were matched. The ARR was 0.45 in IFN and 0.25 in FTY with a significant difference between the two groups (RR: 0.55, 95% CI: 0.45 to 0.68; p<0.001). The result of the emulation was very similar and fell within the 95% CI of that observed in the RCT (RR: 0.49, 95% CI: 0.37 to 0.64; p<0.001) with a standardised difference of 0.66 (p=0.51). CONCLUSIONS: By applying the same inclusion and exclusion criteria used in the RCT and employing appropriate methodology, we successfully replicated the RCT results with only minor discrepancies. Also, even if the confounding bias cannot be fully eliminated, conducting a rigorous target trial emulation could still yield valuable insights for comparative effectiveness research.
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 | 0,777 | 0,855 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,013 | 0,018 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,008 | 0,011 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».