Real-world treatment patterns and visual outcomes of faricimab in patients with diabetic macular oedema in the UK at 12 months: the FARWIDE-DMO study
Notice bibliographique
Résumé
BACKGROUND: The Faricimab Real-World Evidence (FARWIDE) studies are evaluating real-world outcomes of eyes with diabetic macular oedema (DMO)/neovascular age-related macular degeneration (nAMD) treated with faricimab in the UK. We present results from FARWIDE-DMO for eyes with 12 months of follow-up after faricimab initiation. METHODS: FARWIDE-DMO includes patients with diagnosis of DMO who received ≥1 intravitreal faricimab injection after May 2022 in the diagnosed eye(s) at 1 of 35 UK National Health Service sites. All eyes had ≥12 months of follow-up after faricimab initiation as of July 2024. Treatment-naïve (TN) eyes had no prior anti-VEGF therapy or steroid implant. Previously treated (PT) eyes switched to faricimab. Baseline characteristics, visual acuity (VA) outcomes and treatment patterns were evaluated. Intraocular inflammation (IOI) and presumed infectious endophthalmitis (PIE) incidences were pooled for all nAMD/DMO eyes with any follow-up duration. Analyses are descriptive. RESULTS: 2147 eyes (1564 patients) were included (TN, 32.1%; PT, 67.9%). For TN eyes, mean (standard deviation [SD]) VA at baseline and 12 months were 63.9 (15.2) and 68.4 (16.3) Early Treatment Diabetic Retinopathy Study letters, respectively. VA remained stable in PT eyes. TN eyes received a mean (SD) of 4.5 (1.0) faricimab injections in months 1-6 and 1.9 (1.2) injections in months 7-12. PT eyes received 4.5 (1.2) injections in months 1-6 and 2.4 (1.3) in months 7-12. IOI and PIE rates were consistent with faricimab phase 3 trials. CONCLUSIONS: These 1-year data support real-world effectiveness, durability and safety of faricimab in DMO.
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 ».