MRI in the diagnosis of pediatric multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: MRI diagnostic criteria have not yet been adopted for pediatric multiple sclerosis (MS). MRI plays a pivotal role in supporting the diagnosis of MS in adults. We sought to quantitatively define the MRI features of pediatric MS, to determine features that distinguish MS from nondemyelinating relapsing childhood neurologic disorders, and to propose MRI criteria for lesion dissemination in space in children with MS. METHODS: A retrospective analysis of MRI scans from 38 children with clinically definite MS and 45 children with nondemyelinating diseases with relapsing neurologic deficits (migraine, systemic lupus erythematosus) was performed. For each scan, T2/FLAIR hyperintense lesions were quantified and categorized according to location and size. Mean lesion counts in specific locations were compared between groups to derive diagnostic criteria. Validation of the proposed criteria was performed using MRI scans from a second independent MS cohort (n = 21). RESULTS: MRI lesion location and size categories differed between children with MS and nondemyelinating controls with a medium to large effect size for most variables. The presence of at least two of the following-five or more lesions, two or more periventricular lesions, or one brainstem lesion-distinguished MS from other nondemyelinating disease controls with 85% sensitivity and 98% specificity. CONCLUSIONS: We propose modifications to the currently established McDonald MRI criteria for lesion dissemination in space that will enhance the diagnostic accuracy of these criteria for multiple sclerosis in children.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».