Data_Sheet_1_Switching to second line MS disease-modifying therapies is associated with decreased relapse rate.PDF
Notice bibliographique
Résumé
Background and objectives<p>While randomized, controlled trials (RCTs) are the gold standard for determining treatment efficacy, they do not capture the effectiveness of treatment during real-world use. We aimed to evaluate the association between demographics and multiple sclerosis (MS) disease-modifying therapy (DMT) exposure, including treatment adherence and switches between different DMTs, on the risk of subsequent MS relapse.</p>Methods<p>All persons with relapsing-onset MS (pwRMS) living in Manitoba between 1999 and 2014 were identified from provincial healthcare databases using a validated case definition. Use of DMTs was abstracted from the provincial drug database covering all residents of Manitoba, including use of any DMT, stopping/starting any DMT, switches between different DMTs and adherence as defined by cumulative medication possession ratios (CUMMPRs) of 50, 70, 80 and 90%. Time to first-treated relapse was used as the outcome of interest in logistic regression and Cox-proportional hazards regression models adjusting for demographic covariates including age and year of diagnosis, sex, socioeconomic status and number of medical comorbidities.</p>Results<p>1780 pwRMS were identified, including 1,510 who were on DMT at some point in the study period. While total DMT exposure was not associated with the time to subsequent treated relapse, individuals who switched between more than 2 DMTs had higher post-switch rates of relapse. Switching to second-line DMTs was associated with a longer time to treated relapse in comparison to those who remained on a first-line DMT (HR 0.44; 95%CI: 0.32–0.62, p < 0.0001).</p>Discussion<p>Switching to high-efficacy DMTs reduces the rates of subsequent MS relapse at the population level.</p>
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,448 | 0,043 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».