Systematic Review and Meta-Analysis of the Sero-Epidemiological Association between Epstein Barr Virus and Multiple Sclerosis
Notice bibliographique
Résumé
BACKGROUND: A role for Epstein Barr virus (EBV) in multiple sclerosis (MS) has been postulated. Previous systematic reviews found higher prevalences of anti-EBV antibodies in MS patients compared to controls, but many studies have since been published, and there is a need to apply more rigorous systematic review methods. METHODOLOGY/PRINCIPAL FINDINGS: We examined the link between EBV and MS by conducting a systematic review and meta-analysis of case-control and cohort studies that examined the prevalence of anti-EBV antibodies in the serum of cases and controls. We searched Medline and Embase databases from 1960 to 2012, with no language restriction. The Mantel-Haenszel odds ratios (OR) for anti-EBV antibodies sero-positivity were calculated, and meta-analysis conducted. Quality assessment was performed using a modified version of the Newcastle Ottawa scale. Thirty-nine studies were included. Quality assessment found most studies reported acceptable selection and comparability of cases and controls. However the majority had poor reporting of ascertainment of exposure. Most studies found a higher sero-prevalence of anti-EBNA IgG and anti-VCA IgG in cases compared to controls. The results for anti-EA IgG were mixed with only half the studies finding a higher sero-prevalence in cases. The meta-analysis showed a significant OR for sero-positivity to anti-EBNA IgG and anti-VCA IgG in MS cases (4.5 [95% confidence interval (CI) 3.3 to 6.6, p<0.00001] and 4.5 [95% CI 2.8 to 7.2, p<0.00001] respectively). However, funnel plot examination suggested publication bias for the reporting of the anti-EBNA IgG. No significant difference in the OR for sero-positivity to anti-EA IgG was found (1.4 [95% CI 0.9 to 2.1, p = 0.09]). CONCLUSION/SIGNIFICANCE: These findings support previous systematic reviews, however publication bias cannot be excluded. The methodological conduct of studies could be improved, particularly with regard to reporting and conduct of laboratory analyses.
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 | 0,024 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,036 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».