Effectiveness of cladribine compared to fingolimod, natalizumab, ocrelizumab and alemtuzumab in relapsing-remitting multiple sclerosis
Notice bibliographique
Résumé
Background: Comparisons between cladribine and other potent immunotherapies for multiple sclerosis (MS) are lacking. Objectives: To compare the effectiveness of cladribine against fingolimod, natalizumab, ocrelizumab and alemtuzumab in relapsing-remitting MS. Methods: Patients with relapsing-remitting MS treated with cladribine, fingolimod, natalizumab, ocrelizumab or alemtuzumab were identified in the global MSBase cohort and two additional UK centres. Patients were followed for ⩾6/12 and had ⩾3 in-person disability assessments. Patients were matched using propensity score. Four pairwise analyses compared annualised relapse rates (ARRs) and disability outcomes. Results: The eligible cohorts consisted of 853 (fingolimod), 464 (natalizumab), 1131 (ocrelizumab), 123 (alemtuzumab) or 493 (cladribine) patients. Cladribine was associated with a lower ARR than fingolimod (0.07 vs. 0.12, p = 0.006) and a higher ARR than natalizumab (0.10 vs. 0.06, p = 0.03), ocrelizumab (0.09 vs. 0.05, p = 0.008) and alemtuzumab (0.17 vs. 0.04, p < 0.001). Compared to cladribine, the risk of disability worsening did not differ in patients treated with fingolimod (hazard ratio (HR) 1.08, 95% confidence interval (CI) 0.47–2.47) or alemtuzumab (HR 0.73, 95% CI 0.26–2.07), but was lower for patients treated with natalizumab (HR 0.35, 95% CI 0.13–0.94) and ocrelizumab (HR 0.45, 95% CI 0.26–0.78). There was no evidence for a difference in disability improvement. Conclusion: Cladribine is an effective therapy that can be viewed as a step up in effectiveness from fingolimod, but is less effective than the most potent intravenous MS therapies.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».