Clinical Predictors Of Expanded Disability Status Scale Rank Change Over 5-Year Intervals In The MSBase Registry (P4.187)
Notice bibliographique
Résumé
OBJECTIVE: To determine clinical predictors of Expanded Disability Status Scale (EDSS) rank change over 5-year intervals as potential markers of multiple sclerosis (MS) severity, using an international cohort in the MSBase Registry. BACKGROUND: Given clinical heterogeneity in MS, it is desirable to define predictors of later outcomes. Using the MSBase Registry, we previously showed that EDSS ranking allows prediction of 5-year disability outcome. METHODS: Two MSBase Registry cohorts, in which EDSS rank change was previously described, were analysed. We included patients with relapsing remitting MS (RRMS) with 5-year prospectively acquired EDSS data. Intervals were years 1-6 (‘early RRMS’) and years 5-10 (‘later RRMS’) after CIS. As change in EDSS rank was statistically skewed, quantile (median) regression was performed to assess predictors of rank change over the 5-year intervals. Predictors included age, sex and imaging findings with stratification by EDSS, disease-modifying treatment (DMT) and annualised relapse rate (ARR). RESULTS: In the ‘early RRMS’ group, age and ARR ‘on treatment’ predicted EDSS rank worsening, whereas DMT possession ratio (over 50% during interval) predicted rank improvement. In the ‘later RRMS’ group, ARR ‘on treatment’ also predicted rank change but ARR ‘off treatment’ and DMT possession ratio (>50%) had no effect. Male sex and infratentorial MRI lesions were also predictive of worse outcome in the ‘later RRMS’ group. CONCLUSIONS: This is the first study evaluating predictors of EDSS rank change over 5-year intervals. The positive impact of treatment was observed in the early (but not the later) cohort in this study, supporting the case for early treatment in MS. The study confirms the relevance of on-treatment relapses for worse disability outcomes. Study Support: The MSBase Registry is supported by the independent MSBase Foundation Ltd which receives financial support from Merck Serono, Biogen Idec, Novartis, Bayer Schering and Sanofi Aventis.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».