Risk of relapse phenotype recurrence in multiple sclerosis
Notice bibliographique
Résumé
OBJECTIVES: The aim was to analyse risk of relapse phenotype recurrence in multiple sclerosis and to characterise the effect of demographic and clinical features on this phenotype. METHODS: Information about relapses was collected using MSBase, an international observational registry. Associations between relapse phenotypes and history of similar relapses or patient characteristics were tested with multivariable logistic regression models. Tendency of relapse phenotypes to recur sequentially was assessed with principal component analysis. RESULTS: Among 14,969 eligible patients (89,949 patient-years), 49,279 phenotypically characterised relapses were recorded. Visual and brainstem relapses occurred more frequently in early disease and in younger patients. Sensory relapses were more frequent in early or non-progressive disease. Pyramidal, sphincter and cerebellar relapses were more common in older patients and in progressive disease. Women presented more often with sensory or visual symptoms. Men were more prone to pyramidal, brainstem and cerebellar relapses. Importantly, relapse phenotype was predicted by the phenotypes of previous relapses. (OR = 1.8-5, p = 10(-14)). Sensory, visual and brainstem relapses showed better recovery than other relapse phenotypes. Relapse severity increased and the ability to recover decreased with age or more advanced disease. CONCLUSION: Relapse phenotype was associated with demographic and clinical characteristics, with phenotypic recurrence significantly more common than expected by chance.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».