‘Clinically definite benign multiple sclerosis’, an unwarranted conceptual hodgepodge: evidence from a 30-year observational study
Notice bibliographique
Résumé
BACKGROUND: Benign multiple sclerosis (BMS) is a controversial concept which is still debated. However identification of this kind of patients is crucial to prevent them from unnecessary exposure to aggressive and/or long term medical treatments. OBJECTIVES: To assess two definitions of 'clinically definite benign multiple sclerosis' (CDBMS) using long-term follow-up data, and to look for prognostic factors of CDBMS. METHODS: In 874 patients with definite relapsing-remitting MS, followed up for at least 10 years, disability was assessed using the Disability Status Scale (DSS). CDBMS was defined by either DSS score≤2 (CDBMS1 group) or DSS score≤ 3 (CDBMS2 group) at 10 years. We estimated the proportion of patients who were still benign at 20 and 30 years after clinical onset. RESULTS: CDBMS frequency estimates were 57.7% and 73.9% when using CDBMS1 and CDBMS2 definitions, respectively. In the CDBMS1 group, only 41.7% (105/252) of cases were still benign 10 years later, and 41.1% (23/56) after an additional decade, while there were 53.8% (162/301) and 59.5% (44/74) respectively in the CDBMS2 group. CONCLUSIONS: This 30-year observational study, which is one of the largest published series, indicates that favourable 10-year disability scores of DSS 2 or 3 fail to ensure a long-term benign course of multiple sclerosis. After every decade almost half of the CDBMS were no longer benign. CDBMS, as currently defined, is an unwarranted conceptual hodgepodge. Other criteria using new biomarkers (genetic, biologic or MRI) should be found to detect benign cases of MS.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 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 ».