Anti-CGRP monoclonal antibodies improve cognitive function in patients affected by chronic migraine complicated with medication overuse-headache
Notice bibliographique
Résumé
Background: Migraine represents one of the most disabling neurological diseases in the world. This burden is primarily due to recurrent pain episodes, alongside cognitive function impairments that patients may experience. This paper aims to explore the effect of three anti-calcitonin Gene-Related Peptide (CGRP) monoclonal antibodies (mAbs) – erenumab, fremanezumab, and galcanezumab – on the cognitive performance of a sample of patients suffering from migraine using the Montreal Cognitive Assessment (MoCA) questionnaire.Methods: A total of 215 patients suffering from migraine who visited the Modena Headache Center were enrolled. The MoCA questionnaire was filled in by the patients at the baseline and subsequent assessments were conducted at 6 and 12 months thereafter. Additionally, patients were requested to complete the 6-item Headache Impact Test, Migraine Disability Assessment Score, and Hospital Anxiety and Depression Scale every three months.Results: The sample was composed of 82% of female participants and 87% of the enrolled patients were diagnosed with chronic migraine. Following one year of treatment, there was a significant enhancement observed in MoCA scores compared to baseline measurements. Moreover, higher consumption of analgesics, elevated body mass index (BMI), and prolonged chronic migraine history exhibited an inverse correlation with MoCA score improvements after 12 months.Conclusions: Erenumab, fremanezumab, and galcanezumab have proven to be effective in relieving the cognitive impairment associated with migraine after 1 year of treatment. These findings underscore the reversibility of cognitive impairment among migraine sufferers, even among those suffering from chronic migraine, as delineated by the majority of the patients under study. This study revealed that prolonged chronic migraine history, higher baseline analgesic intake, and elevated BMI were all predictive of diminished cognitive enhancements following treatment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 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 ».