Network connectivity, between-study heterogeneity and timepoint challenges in generalized myasthenia gravis: a feasibility assessment of indirect treatment comparisons
Notice bibliographique
Résumé
Aim: We performed a feasibility assessment to systematically evaluate randomized controlled trials (RCTs) for generalized myasthenia gravis (gMG) treatments. The goal was to identify the advantages and disadvantages of different indirect treatment comparison (ITC) methods. Materials & methods: A systematic literature review was conducted to identify relevant gMG RCTs for ITCs. The feasibility of ITCs was assessed by comparing design (including study duration and dosing schedules), population and outcome characteristics of retrieved trials, investigating network connectivity and considering appropriate ITC methods to address identified challenges. Results: The feasibility assessment considered 15 relevant RCTs for gMG treatments. Several barriers to conducting robust ITCs were identified, including within-trial imbalances in patient characteristics, small trial sizes and cross-trial differences in potential treatment effect modifiers (TEMs; e.g., antibody status, disease duration and prior treatment exposure). Further, heterogeneity in placebo administration characteristics and background therapies, and cross-trial variation in placebo response for key outcomes were noted. Additionally, treatment strategies (i.e., cyclical vs continuous), dosing schedules and outcome assessment timepoints were inconsistent across trials, necessitating careful consideration of methods and timepoints when interpreting outcomes. The findings suggest that ITCs anchored on placebo as a common comparator may be prone to bias, and more than one ITC approach may be necessary. Conclusion: ITC analyses in gMG have inherent challenges related to imbalanced treatment effect modifiers, network connectivity, varying dosing strategies and assessment timepoints. Multiple approaches to ITCs, with careful evaluation of underlying assumptions and limitations, are advised to limit bias and ensure robust comparative efficacy estimates are available to decision makers.
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 | 0,012 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,002 |
| 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 ».