Durable reduction in MRI disease activity with alemtuzumab in treatment-naive patients with active relapsing-remitting multiple sclerosis: 6-year follow-up of the CARE-MS I study
Notice bibliographique
Résumé
Sanofi Genzyme and Bayer HealthCare Pharmaceuticals. \n \nDLA: Compensation for serving as a speaker, consulting, and advisory board participant, and receiving research support (Acorda, Bayer, Biogen, Canadian Institutes of Health Research, Eli Lilly, EMD Serono, Genentech, GlaxoSmithKline, MedImmune, Merck Serono, MS Society of Canada, NeuroRx Research, Novartis, Opexa Therapeutics, Receptos, Roche, Sanofi, Sanofi Genzyme, and Teva). \n \nGC: Consulting fees (Actelion, Bayer, Merck Serono, Novartis, Sanofi Genzyme, and Teva); lecture fees (Bayer, Biogen Dompe, Merck Serono, Novartis, Sanofi Genzyme, Serono Symposia International Foundation, and Teva). \n \nGG: Consulting and/or grant/research support (Abbvie, Bayer, Biogen, Canbex Therapeutics, Five Prime Therapeutics, GlaxoSmithKline, GW Pharma, Merck, Merck Serono, Novartis, Oxford Pharmagenesis, Protein Discovery Laboratories, Roche, Sanofi Genzyme, Synthon, Teva Neuroscience, and UCB). \n \nDP: Consulting and/or speaking fees, and grant/research support (Biogen, Merck Serono, Novartis, Roche, Sanofi Genzyme, and Vertex). \n \nAR: Consulting and/or speaking fees (Bayer, Biogen, Bracco, Novartis, Sanofi Genzyme, and Stendhal). \n \nBVW: Research and travel grants, honoraria for MS expert advice and speaker's fees (Bayer-Schering, Biogen, Merck-Serono, Novartis, Roche, Sanofi Genzyme, and Teva). \n \nAT: Consulting and/or speaking fees, and grant/research support (Biogen, Chugai, Roche, Sanofi Genzyme, and Teva).
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».