Moderate–high efficacy disease-modifying therapies reduce relapse risk in late-onset multiple sclerosis
Notice bibliographique
Résumé
INTRODUCTION: Late-onset multiple sclerosis (LOMS) now comprises over 10% of MS diagnoses in contemporary cohorts. The effectiveness of disease-modifying therapies (DMTs) in LOMS is unclear. We aimed to establish the comparative effectiveness of moderate-high-efficacy versus low-efficacy DMTs in LOMS. METHODS: Using data from the MSBase registry, this multicentre cohort study included people with MS with symptom onset after age 50. Covariates were balanced using inverse-probability-treatment-weighting (IPTW). Primary outcomes were time to first relapse and annualised relapse rate (ARR). Secondary outcomes were 6-month confirmed disability progression (CDP), confirmed disability improvement (CDI), relapse-associated worsening (RAW) and progression independent of relapse activity (PIRA). RESULTS: Of 1032 participants, 472 received moderate-high-efficacy DMTs and 560 received low-efficacy DMTs. IPTW-weighted ARR was 0.06 for moderate-high-efficacy and 0.09 for low-efficacy DMTs, corresponding to an ARR ratio of 0.68 (95% CI 0.50 to 0.93, p=0.01). HR for time to first relapse was 0.66 (95% CI 0.47 to 0.91, p=0.01) in favour of moderate-high-efficacy DMTs.Among 856 participants with adequate follow-up, 37% experienced CDP over a median of 4.43 years, with most events (83.6%) attributable to PIRA. The HR for time to CDP was 0.78 (p=0.08) and RAW was 0.69 (p=0.31) in favour of moderate-high-efficacy DMTs, though neither reached statistical significance. There was no difference in CDI or PIRA. CONCLUSION: Moderate-high-efficacy DMTs reduced relapse risk in LOMS. Relapse activity was low. CDP was common and driven by PIRA. Although the CDP and RAW results did not reach statistical significance, the overall findings support the initial use of moderate-high-efficacy DMTs in LOMS.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».