Long-Term Comparative Effectiveness of Rituximab vs. Calcineurin Inhibitors for the Treatment of Membranous Nephropathy
Notice bibliographique
Résumé
Background: Clinical trials in membranous nephropathy (MN) may establish treatment efficacy for short-term outcomes but are limited by small sample sizes and short study duration. This study applied modern statistical methods to CureGN data to compare effectiveness of rituximab (RTX) and calcineurin inhibitors (CNIs) for long-term MN outcomes. Methods: MN participants initiating RTX or CNI 6+ months after any previous immunosuppressant (IST) exposure were eligible. Propensity scores (PS) based on demographics, labs, pathology, and comorbidities at treatment start were generated and PS-matching with exact matching on history of RTX and CNI was applied. Individuals were censored if they started a different IST during follow-up and inverse probability weights were used. Outcomes included time from treatment start to proteinuria remission, relapse following remission, and kidney disease progression. Hazard ratios (HR) were estimated from Cox models with variance adjustment to account for matching and multiple treatments within individuals. Differences in restricted mean survival time (RMST) were also estimated. Results: 331 treatment initiations across 254 unique participants were eligible, with median follow-up 53 months (IQR=26, 79). Participants on CNIs had significantly higher risks of disease progression (HR=2.83; 95% CI: 1.20, 6.68) than RTX. Proteinuria remission risks were similar in both groups (HR=0.97; 95% CI: 0.61, 1.52), though CNIs had higher risks of relapse (HR=2.14, 95% CI: 1.04, 4.40). Conclusion: RTX was more effective for preserving eGFR than CNIs. Proteinuria remission and relapse results align with a prior clinical trial but extend trial results past 24 months. High-quality evidence on long-term treatment effectiveness in rare diseases can be generated from observational studies.
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 | 0,023 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».