Disease-modifying therapy initiation patterns in multiple sclerosis in three large MS populations
Notice bibliographique
Résumé
Background: Treatment guidelines recommend early disease-modifying therapy (DMT) initiation after diagnosis of multiple sclerosis (MS). Multinational comparative studies that assess time to DMT initiation in MS may allow detection of barriers inherent to healthcare systems to explain potential adverse systematic delays in commencing DMTs. Objectives: To investigate and compare the time to first DMT and its association with sociodemographic and clinical variables after MS diagnosis in three large MS registries. Design: This observational study was conducted using data from the German MS Registry (GMSR), the North American Research Committee on MS Registry (NARCOMS, US data only), and the United Kingdom MS Registry (UKMSR, both self- and clinician-reported). Methods: Data from relapsing people with MS (PwMS), with a diagnosis of MS between 2014 and 2019, and available DMT and disability status were pooled using a meta-analytic approach. Results: A total of 5395 PwMS were included in the analysis (GMSR: n = 2658; NARCOMS: n = 447; UKMSR: n = 2290). Kaplan–Meier estimates for the time to first DMT [median months (95% CI)] were 2.0 (1.9–2.0), 3.0 (2–4), and 9.0 (7.7–10.6) for GMSR, NARCOMS, and UKMSR, respectively. Pooled multivariable Cox regression demonstrated shorter time to first DMT for PwMS diagnosed after 2017 [1.65 (1.42–1.92), p < 0.01], and longer time to DMT when a higher-efficacy DMT was selected (0.69 (0.54–0.90), p < 0.0001]. Conclusion: Time to DMT initiation differs across the populations studied, indicating that barriers may exist in early access to DMT, particularly in the United Kingdom. However, a consistent decrease in time to DMT initiation was noted since 2017 across all registries. Further studies are warranted comparing the effects of time to DMT and time to higher-efficacy DMT on long-term outcome.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».