Use of follow-on disease-modifying treatments for multiple sclerosis: Consensus recommendations
Notice bibliographique
Résumé
Background:As patents for multiple sclerosis (MS) therapies expire, follow-on disease-modifying treatments (FO-DMTs) become available at reduced cost. Concerns exist that cheaper FO-DMTs are used simply to reduce healthcare costs. However, the well-being of people with MS should take priority.Objectives:To identify best practices for FO-DMT development and use by agreeing on principles and consensus statements through appraisal of published evidence.Methods:Following a systematic review, we formulated five overarching principles and 13 consensus statements. Principles and statements were voted on by a multidisciplinary panel from 17 European countries, Argentina, Canada and the United States.Results:All principles and statements were endorsed by >80% of panellists. In brief, FO-DMTs approved within highly regulated areas can be considered effective and safe as their reference products; FO-DMTs can be evaluated case by case and do not always require Phase III trials; long-term pharmacovigilance and transparency are needed; there is lack of evidence for multiple- and cross-switching among FO-DMTs; and education is needed to address remaining concerns.Conclusion:Published data support the use of FO-DMTs in MS. The consensus may aid shared decision-making. While our consensus focused on Europe, the results may contribute to enhanced quality standards for FO-DMTs use elsewhere.
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 | 0,094 | 0,171 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,010 | 0,006 |
| Intégrité de la recherche | 0,011 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,006 |
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 ».