MétaCan
Menu
Retour à la cohorte
Enregistrement W4405659418 · doi:10.1093/brain/awae409

De-escalating and discontinuing disease-modifying therapies in multiple sclerosis

2024· review· en· W4405659418 sur OpenAlexafffund
G. Androdias, Jan D. Lünemann, Élisabeth Maillart, Maria Pia Amato, Bertrand Audoin, Arlette L. Bruijstens, Gabriel Bsteh, Helmut Butzkueven, Olga Ciccarelli, Álvaro Cobo‐Calvo, Tobias Derfuß, Franziska Di Pauli, Gilles Edan, Christian Enzinger, Ruth Geraldes, Cristina Granziera, Yael Hacohen, Hans‐Peter Hartung, Sinéad M. Hynes, Matilde Inglese, Ludwig Kappos, Hanna Kuusisto, Annette Langer‐Gould, Melinda Magyari, Romain Marignier, Xavier Montalbán, Marcin P. Mycko, Bardia Nourbakhsh, Jiwon Oh, Celia Oreja‐Guevara, Fredrik Piehl, Luca Prosperini, Jaume Sastre‐Garriga, Finn Sellebjerg, Krzysztof Selmaj, Aksel Sıva, Emma Tallantyre, Vincent van Pesch, Sandra Vukusic, Bianca Weinstock‐Guttman, Frauke Zipp, Mar Tintoré, Ellen Iacobaeus, Bruno Stankoff

Notice bibliographique

RevueBrain · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesCilagInstituto de Salud Carlos IIIJanssen PharmaceuticalsSanofi GenzymeChugai PharmaceuticalNovartis PharmaStrategic Research CouncilEMD SeronoMedDay PharmaceuticalsTaysUniversity College London Hospitals NHS Foundation TrustDeutsche ForschungsgemeinschaftBayer HealthCareMultiple Sclerosis SocietyNational Institute for Health and Care ResearchGalápagosFondation pour l'Aide à la Recherche sur la Sclérose en PlaquesArgenxCelltrionShionogiMerck KGaAKiniksa PharmaceuticalsNational Institutes of HealthMylanH. Lundbeck A/SHorizon TherapeuticsMonash UniversitySanofiTG TherapeuticsGenentechEuropean CommissionFondation Brain CanadaEuropean Committee for Treatment and Research in Multiple SclerosisBundesministerium für Bildung und ForschungMax-Planck-GesellschaftAtara BiotherapeuticsTürkiye Bilimsel ve Teknolojik Araştırma KurumuBiogenAgence Nationale de la RechercheF. Hoffmann-La RocheAlexion PharmaceuticalsBristol-Myers SquibbTeva Pharmaceutical IndustriesEli Lilly and CompanyU.S. Department of DefenseMultiple Sclerosis International FederationCelgeneModernaInternational Progressive MS AllianceNational Multiple Sclerosis SocietyIstanbul Üniversitesi-CerrahpasaGlaxoSmithKlinePatient-Centered Outcomes Research InstituteAmgen
Mots-clésMultiple sclerosisMedicineDiseaseIntensive care medicineModalitiesPsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

The development of disease-modifying therapies (DMTs) for the treatment of multiple sclerosis (MS) has been highly successful in recent decades. It is now widely accepted that early initiation of DMTs after disease onset is associated with a better long-term prognosis. However, the question of when and how to de-escalate or discontinue DMTs remains open and critical. This topic was discussed during an international focused workshop organized by the European Committee for Treatment and Research in Multiple Sclerosis (ECTRIMS) in 2023. The aim was to review the current evidence on the rationale for, and the potential pitfalls of, treatment de-escalation in MS. Several clinical scenarios emerged, mainly driven by a change in the benefit-risk ratio of DMTs over the course of the disease and with ageing. The workshop also addressed the issue of de-escalation by the type of DMT used and in specific situations, including pregnancy and paediatric onset MS. Finally, we provide practical guidelines for selecting appropriate patients, defining de-escalation and monitoring modalities and outlining unmet needs in this field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,926

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,207
Tête enseignante GPT0,396
Écart entre enseignants0,189 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations25
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207