Network Meta-Analysis of Pharmacological Therapies for Long-Term Prophylactic Treatment of Patients with Hereditary Angioedema
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Several treatments for long-term prophylaxis (LTP) of hereditary angioedema (HAE) are in clinical use, such as garadacimab, lanadelumab, subcutaneous C1 esterase inhibitor (C1INH), and berotralstat. In the absence of head-to-head comparative evidence, indirect comparison methods are needed to compare LTP treatments in patients with HAE. The objective of this analysis was to estimate the comparative efficacy, safety, and impact on quality of life of LTP treatments for patients with HAE through NMAs. METHODS: A systematic literature review was conducted to identify randomized controlled trials (RCTs) investigating LTP treatments in patients (at least 12 years old) with HAE (PROSPERO protocol #CRD42022359207). A network meta-analysis (NMA) feasibility assessment evaluated trial suitability and Bayesian NMAs were conducted for evaluable efficacy, safety, and quality of life (QoL) outcomes. RESULTS: The results of these NMAs show improved efficacy, QoL, and reduced rate of adverse events with garadacimab (200 mg once monthly), lanadelumab (300 mg every two or four weeks), subcutaneous C1INH (60 IU/kg twice weekly), and berotralstat (150 mg once daily) compared to placebo in the treatment of patients with HAE. For the primary outcome of time-normalized number of HAE attacks, garadacimab statistically significantly reduced the rate of attacks compared to lanadelumab Q4W and berotralstat. A similar statistically significant reduction was shown for HAE attacks treated with on-demand treatment. Garadacimab showed statistically significant reduction in the rate of moderate and/or severe HAE attacks compared to lanadelumab Q2W. Garadacimab also showed statistical improvements in change from baseline in AE-QoL total score as compared to berotralstat. CONCLUSIONS: Overall, garadacimab ranked as the most probable effective treatment among all comparators assessed, with lanadelumab Q2W or subcutaneous C1INH ranking second, across most outcomes.
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 | 0,026 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,050 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».