IMPACT OF FARICIMAB VERSUS AFLIBERCEPT ON EPIRETINAL MEMBRANE FORMATION OVER 2 YEARS IN PATIENTS WITH DIABETIC MACULAR EDEMA IN THE PHASE 3 YOSEMITE AND RHINE TRIALS
Notice bibliographique
Résumé
BACKGROUND/PURPOSE: To assess the effects of faricimab versus aflibercept on epiretinal membrane (ERM) formation in eyes with diabetic macular edema. METHODS: Post hoc analysis of phase 3 YOSEMITE/RHINE trial data in eyes with diabetic macular edema receiving faricimab every 8 weeks (Q8W), faricimab treat-and-extend (T&E; up to Q16W depending on central subfield thickness and best-corrected visual acuity), or aflibercept Q8W for 100 weeks. RESULTS: ERMs developed in 3.8% (23/602) of eyes treated with faricimab Q8W, 5.1% (31/608) with faricimab T&E, and 7.6% (45/590) with aflibercept Q8W at 100 weeks. ERMs were less likely with faricimab Q8W versus aflibercept Q8W (odds ratio [OR] 0.48, 95% confidence interval [CI] 0.29-0.81, P = 0.0055). The mean (SD) best-corrected visual acuity at 100 weeks in eyes with and without ERMs were 69.2 (13.6) letters [20/40 Snellen] versus 73.8 (13.1) [20/40 Snellen], respectively; the mean (SD) CSTs were 315.8 (99.2) versus 274.6 (74.1) µ m. Faricimab T&E dosing intervals were extended ≥ Q12W in 79.7% of eyes without ERMs versus 50.0% with ERMs. CONCLUSION: Risk of ERMs was 52% lower with faricimab Q8W versus aflibercept Q8W over 100 weeks in eyes with diabetic macular edema, suggesting a potential role for faricimab in reducing pre-retinal fibrotic proliferation. The results may help inform physician/patient decision-making when initiating intravitreal therapy. TRIAL REGISTRATION: NCT03622580 and NCT03622593.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».