Sample-size calculations for short-term proof-of-concept studies of tissue protection and repair in multiple sclerosis lesions via conventional clinical imaging
Notice bibliographique
Résumé
BACKGROUND: New multiple sclerosis (MS) lesion activity on magnetic resonance imaging (MRI) can test immunomodulatory therapies in proof-of-concept trials. Comparably powerful endpoints to assess tissue protection or repair are lacking. OBJECTIVE: The objective of this paper is to report sample-size calculations for assessment of new lesion recovery. METHODS: In two sets of six active MS cases, new lesions were observed by monthly MRI for approximately 12 months. Averages and quartiles of normalized (proton density/T1/T2 weighted) and quantitative (T1/T2 and mean diffusivity maps for dataset 1, T2 and magnetization transfer ratio maps for dataset 2) measures were used to compare the lesion area before lesion appearance to afterward. A linear mixed-effects model incorporating lesion- and participant-specific random effects estimated average levels and variance components for sample-size calculations. RESULTS: In both datasets, greatest statistical sensitivity was observed for the 25th percentile of normalized proton density-weighted signal. At 3T, using new lesions ⩾15 mm(3), as few as nine participants/arm may be required for a six-month placebo-controlled add-on trial postulating a therapeutic effect size of 20% and statistical power of 90%. CONCLUSION: Lesion recovery is a powerful outcome measure for proof-of-concept clinical trials of tissue protection and repair in MS. The trial design requires active cases and is therefore best implemented near disease onset.
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 | 0,003 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 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 ».