Thymectomy for non-thymomatous myasthenia gravis: a propensity score matched study
Notice bibliographique
Résumé
BACKGROUND: The efficacy of thymectomy in patients with non-thymomatous Myasthenia Gravis (MG) is still unclear. Main limitations have been variable outcome definitions, lack of a control group and adjustment for confounding. OBJECTIVE: To study the efficacy of thymectomy in achieving remission or minimal manifestation (R/MM) status in patients with non-thymomatous MG. METHODS: Patients with generalized MG and minimum follow-up of 6 months were included. Demographic data and treatments were recorded, as well as the MGFA post-intervention status at the last visit. Propensity scores were used to create a matched cohort of treated and untreated patients. Standard and Bayesian Cox models were used to study treatment effects. RESULTS: Of 395 patients included, 183(46%) had a thymectomy. Thymectomy patients were younger (p < 0.001), with more females (p < 0.001) and more patients in MGFA classes 4-5 at diagnosis (p = 0.01). A matched cohort of thymectomized patients and controls (n = 98) was created. The hazard ratio (HR) for the matched cohort was 1.9 (CI:1.6-2.3), favoring thymectomy. The predicted R/MM rate was 21% in treated and 6% in controls at 5 years (Absolute difference:15%). A Bayesian Cox model for the matched cohort had an estimated probability of thymectomy efficacy (HR > 1) of 96% using a non-informative prior, and 79% using a skeptical prior. DISCUSSION: When controlling for potential confounders, thymectomized patients had a higher probability of achieving R/MM status through time compared to controls. This study provides class III evidence of the efficacy of thymectomy in non-thymomatous myasthenia gravis.
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) | 0,000 | 0,000 |
| 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 | 0,001 | 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) | 0,002 | 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 ».