MétaCan
Menu
Retour à la cohorte
Enregistrement W4401696619 · doi:10.57264/cer-2023-0161

Comparative efficacy of diroximel fumarate, ozanimod and interferon beta-1a for relapsing multiple sclerosis using matching-adjusted indirect comparisons

2024· article· en· W4401696619 sur OpenAlexaff
Tammy Jiang, Mathura Shanmugasundaram, Ivan Božin, Mark S. Freedman, James B. Lewin, Changyu Shen, Tjalf Ziemssen, Douglas L. Arnold

Notice bibliographique

RevueJournal of Comparative Effectiveness Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensMcGill UniversityOttawa HospitalMontreal Neurological Institute and HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineConfidence intervalPopulationInternal medicineMultiple sclerosisGastroenterologyDermatologyImmunology

Résumé

récupéré en direct d'OpenAlex

Aim: Diroximel fumarate (DRF), ozanimod (OZA) and interferon beta-1a (IFN) are disease-modifying therapies approved for the treatment of relapsing multiple sclerosis. No randomized trials have compared DRF versus OZA and IFN. We compared DRF versus OZA and DRF versus IFN using matching-adjusted indirect comparisons for efficacy outcomes, including annualized relapse rate (ARR), 12- and 24-week confirmed disability progression (CDP) and absence of gadolinium-enhancing (Gd+) T1 lesions and new/newly enlarging T2 lesions. Patients & methods: We used individual patient data from EVOLVE-MS-1 ( NCT02634307 ), a 2-year, open-label, single-arm, phase III study of DRF (n = 1057) and aggregate data from RADIANCE ( NCT02047734 ), a 2-year, double-blind, phase III study that compared OZA 1 mg once daily (n = 433) and intramuscular IFN 30 μg once weekly (n = 441). To account for cross-trial differences, the EVOLVE-MS-1 population was restricted to those who met the inclusion/exclusion criteria for RADIANCE, then weighted to match the average baseline characteristics of RADIANCE. Results: After weighting, DRF and OZA had similar ARRs (0.18 and 0.17, respectively), with a rate difference (DRF vs OZA) of 0.01 (95% confidence interval [CI]: -0.04 to 0.06). DRF had a lower ARR than IFN (0.18 and 0.28, respectively), with a rate difference (DRF vs IFN) of -0.10 (95% CI: -0.16 to -0.04) after weighting. Outcomes for 12- and 24-week CDP favored DRF versus OZA; 12-week CDP favored DRF versus IFN, but there was not strong evidence favoring DRF over IFN for 24-week CDP. Compared with OZA and IFN, DRF had higher proportions of patients without Gd+ T1 lesions and patients without new/newly enlarging T2 lesions. Conclusion: Disability progression and radiological outcomes were favorable for DRF versus OZA, although no differences were observed in ARR. Clinical and radiological outcomes generally favored DRF versus IFN. These findings may be informative for patients and clinicians considering different treatment options for MS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,006
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,437
Tête enseignante GPT0,485
Écart entre enseignants0,048 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Comparative Effectiveness ResearchMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207