Thymectomy For Non-Thymomatous Myasthenia Gravis: A Propensity Score Matched Study. (S36.004)
Notice bibliographique
Résumé
Objective: To study the efficacy of thymectomy in achieving Remission or Minimal manifestation status in patients with non-thymomatous, generalized Myasthenia Gravis (MG). Background: The efficacy of thymectomy in patients with non-thymomatous MG is still unclear. Most studies have been limited due to no adjustment for confounders (e.g immunosuppressants), unclear definitions of remission and lack of control group. A randomized study is underway, but its results are not available yet. Methods: Patients with generalized MG and minimum follow-up of 6 months were included. Demographic data at onset, and treatments were recorded, as well as the MGFA post-intervention status at the last visit. Bayesian propensity score (PS) models were used to achieve a matched cohort of treated and untreated patients, balanced by age, sex, disease duration, severity at diagnosis and use of immunosuppressants. AChRAb status was excluded as not available in all patients. Cox proportional models were built to study treatment effects to achieve remission or minimal manifestation (Remission-MM) status. Results: 395 patients were identified. 183(46%) had a thymectomy. Thymectomy patients were younger (34.8 vs. 63.4 years, p<0.001), with more females (67.8% vs 41.9%, p<0.001) and more patients in MGFA classes 4&5 (21.8% vs 12.7%, p=0.01). A matched cohort (n=102) was created. The adjusted hazard ratio (HR) for the matched cohort was 1.43 (CI:1.32-1.54), and 1.51 (CI:0.8-2.84) for the unmatched cohort. The predicted Remission-MM rate was 16.6% in treated and 10.2% in controls at 5 years and 25.8% vs. 16.6% at 7 years. A Bayesian Cox model for the matched cohort had an estimated probability of efficacy (HR>1) of 96%. Discussion: In this cohort, thymectomy was associated with a higher probability of achieving Remission-MM status through time, controlling for several confounders. These results might not be applicable to a population radically different in age, severity or medications from the matched cohort.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».