A systematic review of the incidence and prevalence of autoimmune disease in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: As new therapies emerge which increase the risk of autoimmune disease it is increasingly important to understand the incidence of autoimmune disease in multiple sclerosis (MS). OBJECTIVE: The purpose of this review is to estimate the incidence and prevalence of comorbid autoimmune disease in MS. METHODS: The PUBMED, EMBASE, SCOPUS and Web of Knowledge databases, conference proceedings, and reference lists of retrieved articles were searched, and abstracts were independently screened by two reviewers. The data were abstracted by one reviewer using a standardized data collection form, and the findings were verified by a second reviewer. We assessed quality of the included studies using a standardized approach and conducted meta-analyses of population-based studies. RESULTS: Sixty-one articles met the inclusion criteria. We observed substantial heterogeneity with respect to the populations studied, methods of ascertaining comorbidity, and reporting of findings. Based solely on population-based studies, the most prevalent autoimmune comorbidities were psoriasis (7.74%) and thyroid disease (6.44%). Our findings also suggest an increased risk of inflammatory bowel disease, likely uveitis and possibly pemphigoid. CONCLUSION: Fewer than half of the studies identified were of high quality. Population-based studies that report age, sex and ethnicity-specific estimates of incidence and prevalence are needed in jurisdictions worldwide.
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 | 0,009 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,007 |
| Bibliométrie | 0,015 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».