MétaCan
Menu
Retour à la cohorte
Enregistrement W4414443225 · doi:10.1080/14728214.2025.2565189

Future treatments for myelin oligodendrocyte glycoprotein antibody-associated disease: the clinical trial landscape

2025· review· en· W4414443225 sur OpenAlexaff
Edgar Carnero Contentti, Vinícius Boldrini, Adriana Casallas‐Vanegas, Sanja Gluščević, Emine Rabia Koç, Sara Samadzadeh, Meral Seferoğlu, Natalia Szejko, Michael Levy

Notice bibliographique

RevueExpert Opinion on Emerging Drugs · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésClinical trialMyelin oligodendrocyte glycoproteinMultiple sclerosisImmunotherapyClinical neurologyTargeted therapyDiseaseMEDLINE

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Myelin oligodendrocyte glycoprotein antibody-associated disease (MOGAD) is an emerging autoimmune demyelinating disorder distinct from multiple sclerosis and AQP4-IgG-positive neuromyelitis optica. Despite increasing recognition, no therapies are currently approved for MOGAD, and treatment remains empirical, with significant variability in clinical response and access to care. AREAS COVERED: This review explores the evolving treatment landscape of adult MOGAD, with a focus on immunotherapies under active clinical investigation: azathioprine, tocilizumab, satralizumab, and rozanolixizumab. For each agent, we discuss mechanisms of action, pharmacokinetics, dosing, safety, and efficacy based on clinical trials and observational data. Literature was identified through PubMed and ClinicalTrials.gov, including ongoing phase 2/3 studies (MOGwAI, TOMATO, METEOROID, and cosMOG). EXPERT OPINION: Targeted immunotherapies have the potential to transform MOGAD management. In the next five years, one or more of these agents may achieve regulatory approval, particularly if biomarker-driven strategies and trial designs are refined. Addressing unmet needs in pediatric populations and low-resource settings will be essential to ensure equitable, personalized treatment.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,119
Tête enseignante GPT0,494
Écart entre enseignants0,375 · 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.

Devis d'étudeSans objet
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Emerging DrugsMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207