MAGNETIC RESONANCE IMAGING CRITERIA FOR THE DIAGNOSIS OF CHILDHOOD MULTIPLE SCLEROSIS
Notice bibliographique
Résumé
Objectives: Magnetic resonance imaging (MRI) is a well-established tool used to support the diagnosis of multiple sclerosis (MS) in adults, but imaging criteria have not yet been developed in pediatric MS. Previous work from our lab has shown that MRI criteria currently used to support the diagnosis of MS in adults have reduced sensitivity in the pediatric population. The goal of this study was to establish MRI criteria to support the diagnosis of MS in children. Methods: The study population consisted of 39 children, aged 2–18 years, with clinically definite MS, and 50 age-matched children with other white matter related neurological disorders, including mitochondrial disease, migraine, and vasculitis. Scans were evaluated in a blinded manner. Axial T2 and FLAIR images were simultaneously viewed to identify hyperintense lesions. For all lesions, maximal expanse was noted in both transverse and longitudinal planes. Lesions were differentiated using pre-determined parameters. Lesions were categorized based on their location as follows: periventricular (white matter, confluent, other), juxtacortical white matter, deep white matter, internal capsule, corpus callosal, cortical grey, deep grey nuclei, brainstem, and cerebellar. For each patient, the total number of lesions, individual lesion size, and regional distribution was determined. Results: Intra-rater reliability was >0.8 for all measures with the majority >0.95. Most location, descriptor, and size categories differed between MS patients and controls with a medium-large effect size. The presence of five or more parenchymal lesions plus one lesion spanning >7.5mm longitudinally plus one lesion in any of the corpus callosum, brainstem, or cortical grey matter, predicted MS group membership with a 90% sensitivity and 92% specificity. Conclusion: Diagnostic criteria for MS in children are proposed, which differ from criteria currently in use for adult MS. Creation of MRI criteria for pediatric MS will facilitate prompt diagnosis, and reduce diagnostic uncertainty.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».