Assessing Comparative Outcomes from Teriflunomide and Dimethyl Fumarate Studies in Relapsing MS: Use of “Number Needed to Treat” Analysis (P3.245)
Notice bibliographique
Résumé
OBJECTIVE: To compare the number needed to treat (NNT) to prevent relapse or disability progression (DP) in clinical trials with teriflunomide or dimethyl fumarate (DMF). BACKGROUND: Teriflunomide and DMF, oral therapies for relapsing-remitting MS, have demonstrated efficacy in clinical trials. Treatment effects are sometimes compared using relative reductions in endpoints from different studies. However, the outcomes may be affected by differences in disease severity among study populations or differences on very low event rates. NNT to prevent an event is an additional approach for comparisons between MS drugs. DESIGN/METHODS: In this post hoc analysis, NNTs were derived using data from studies with teriflunomide 14mg (TEMSO, NCT00134563; TOWER, NCT00751881) or DMF (DEFINE, NCT00420212; CONFIRM, NCT00451451) based on the inverse of absolute differences between treatment and placebo groups. RESULTS: Teriflunomide studies included some patients with progressive disease; patients in DEFINE had slightly lower Expanded Disability Status Scale scores. Teriflunomide and DMF significantly reduced risk of relapse (all studies). NNTs to prevent 1 relapse were similar across studies (5.9 [TEMSO], 5.6 [TOWER], 5.3 [DEFINE], 5.6 [CONFIRM]). Risk of DP sustained for 12 weeks was significantly reduced in TEMSO, TOWER, and DEFINE, but not CONFIRM. Corresponding NNTs to prevent DP were 13.8, 17.4, 10.8, and 30.2. Risk of relapse leading to hospitalization was significantly reduced in TEMSO and TOWER, but not in DEFINE and CONFIRM. Corresponding NNTs were lower in TEMSO (12.5) and TOWER (20) than in DEFINE (50) and CONFIRM (50). CONCLUSIONS: Using the NNT approach, a comparable effect size for teriflunomide and DMF on relapse was observed. Teriflunomide is the only approved oral DMT with significant outcomes on DP in two studies. NNTs to prevent DP were similar for both teriflunomide studies and DEFINE, but were higher for CONFIRM. Study Supported by: Genzyme, a Sanofi company.
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 | 0,206 | 0,213 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,034 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».