Neurofilament light as a prognostic marker 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
Relapsing-remitting multiple sclerosis has a variable prognosis and lacks a reliable laboratory prognostic marker. Our aim in this study was to investigate the association between neurofilament light levels in cerebrospinal fluid in early multiple sclerosis and disease severity at long-term follow-up. Neurofilament light levels in cerebrospinal fluid collected at diagnostic lumbar puncture were measured in 99 multiple sclerosis cases. Clinical data were obtained from 95 out of those at follow-up visits made 14 years (range 8-20 years) after disease onset. Significant correlations between neurofilament light levels and the multiple sclerosis severity score were found for all cases (r = 0.30, p = 0.005), for relapsing-remitting multiple sclerosis cases (r = 0.47, p < 0.001) and for cases with a recent relapse (r = 0.60, p < 0.001). In the multivariate logistic regression analysis, neurofilament light levels >386 ng/L (median value of cases with detectable levels) increased the risk for severe multiple sclerosis fivefold (odds ratio 5.2, 95% confidence interval 1.8-15). Kaplan-Meier analysis showed that conversion to secondary-progressive multiple sclerosis was more likely in cases with neurofilament light levels >386 ng/L than in those with neurofilament light levels <60 ng/L (p = 0.01) or 60-386 ng/L (p = 0.03). We conclude that elevated levels of neurofilament light in cerebrospinal fluid collected at diagnostic lumbar puncture were associated with unfavourable prognosis. These data suggest that the neurofilament light level could be used as a prognostic marker in early relapsing-remitting multiple sclerosis.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle