Treatment De-escalation in Relapsing-Remitting Multiple Sclerosis: An Observational Study
Notice bibliographique
Résumé
BACKGROUND: In relapsing-remitting multiple sclerosis (RRMS), extended exposure to high-efficacy disease modifying therapy may increase the risk of side effects, compromise treatment adherence, and inflate medical costs. Treatment de-escalation, here defined as a switch to a lower efficacy therapy, is often considered by patients and physicians, but evidence to guide such decisions is scarce. In this study, we aimed to compare clinical outcomes between patients who de-escalated therapy versus those who continued their therapy. METHODS: In this retrospective analysis of data from an observational, longitudinal cohort of 87,239 patients with multiple sclerosis (MS) from 186 centers across 43 countries, we matched treatment episodes of adult patients with RRMS who underwent treatment de-escalation from either high- to medium-, high- to low-, or medium- to low-efficacy therapy with counterparts that continued their treatment, using propensity score matching and incorporating 11 variables. Relapses and 6-month confirmed disability worsening were assessed using proportional and cumulative hazard models. RESULTS: Matching resulted in 876 pairs (de-escalators: 73% females, median [interquartile range], age 40.2 years [33.6, 48.8], Expanded Disability Status Scale [EDSS] 2.5 [1.5, 4.0]; non-de-escalators: 73% females, age 40.8 years [35.5, 47.9], and EDSS 2.5 [1.5, 4.0]), with a median follow-up of 4.8 years (IQR 3.0, 6.8). Patients who underwent de-escalation faced an increased hazard of future relapses (hazard ratio 2.36 and 95% confidence intervals [CI] [1.79-3.11], p < 0.001), which was confirmed when considering recurrent relapses (2.43 [1.97-3.00], p < 0.001). It was also consistent across subgroups stratified by age, sex, disability, disease duration, and time since last relapse. CONCLUSIONS: On the basis of this observational analysis, de-escalation may not be recommended as a universal treatment strategy in RRMS. The decision to de-escalate should be considered on an individual basis, as its safety is not clearly guided by specific patient or disease characteristics evaluated in this study.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».