Predictive nature of IgM anti-α-glucose serum biomarker for relapse activity and EDSS progression in CIS patients: a BENEFIT study analysis
Notice bibliographique
Résumé
BACKGROUND: Higher serum levels of at least one of a panel of four α-glucose IgM antibodies (gMS-Classifier1) in clinically isolated syndrome (CIS) patients are associated with imminent early relapse within 2 years. OBJECTIVE: The objective of this study was to determine the prognostic value of gMS-Classifier1 in a large study cohort of CIS patients. METHODS: The BEtaseron(®) in Newly Emerging multiple sclerosis For Initial Treatment (BENEFIT) 5-year study was designed to evaluate the impact of early versus delayed interferon-β-1b (IFNβ-1b; Betaseron(®)) treatment in patients with a first event suggestive of multiple sclerosis (MS). Patients (n = 258, 61% of total) with a minimum of 2 ml baseline serum were eligible for the biomarker study. gMS-Classifier1 antibodies' panel (anti-GAGA2, anti-GAGA3, anti-GAGA4 and anti-GAGA6) levels were measured blinded to clinical data. Subjects were classified as either 'positive' or 'negative' according to a classification rule. RESULTS: gMS-Classifier1 was not predictive for the time to clinically definite MS or time to MS according to the revised McDonald's criteria, but did significantly predict an increased risk for confirmed disability progression (log-rank test: p = 0.012). CONCLUSIONS: We could not confirm previous results that gMS-Classifier1 can predict early conversion to MS in CIS. However, raised titres of these antibodies may predict early disability progression in this patient population.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».