Monthly Ambient Sunlight, Infections and Relapse Rates in Multiple Sclerosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Monthly variation in multiple sclerosis (MS) relapses has been found. The relationship between seasonal environmental factors, infections, serum vitamin D [25(OH)D] and MS relapses is undetermined. METHODS: We prospectively followed a population-based cohort of relapsing-remitting (RR) MS patients in Southern Tasmania for a mean 2.3 years (January 2002-April 2005). Associations between monthly ambient environmental factors, estimated serum 25(OH)D, upper respiratory tract (URT) infections and relapse rates were examined using weighted Pearson's correlation and linear regression. RESULTS: Of 199 definite MS patients, 142 had RRMS. The lowest relapse rate of 0.5 per 1,000 days (95% CI: 0.2-1.3) occurred in February (mid-late summer) versus the March-January RR of 1.1 per 1,000 days (95% CI: 0.9-1.3; p = 0.018, weighted regression). Monthly relapse rates correlated with: (1) prior erythemal ultraviolet radiation (EUV): lagged 1.5 months, r = -0.32, p = 0.046; (2) URT infection rate: no lag, r = 0.39, p = 0.014; (3) 25(OH)D: no lag, r = -0.31, p = 0.057. The association between URT infections and relapses was reduced after adjustment for monthly EUV. CONCLUSIONS: Relapse rates were inversely associated with EUV and serum 25(OH)D levels and positively associated with URT infections. The demonstrated lag between EUV but not 25(OH)D and relapse rates is consistent with a role for EUV-generated 25(OH)D in the alteration of relapse rates. Future work on the association between URT infections and relapses should be considered in the context of ultraviolet radiation and vitamin D.
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.
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 | 0,000 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle