MétaCan
Menu
Retour à la cohorte
Enregistrement W2510715361 · doi:10.1212/wnl.86.16_supplement.p1.376

Obesity and Disease Activity in Pediatric-Onset Multiple Sclerosis (P1.376)

2016· article· en· W2510715361 sur OpenAlexaff
Kristen M. Krysko, E. Ann Yeh, Heather Hanwell, Ashley Cohen, Dalia Rotstein

Notice bibliographique

RevueNeurology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensSt. Michael's HospitalHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMultiple sclerosisObesityMedicineDiseasePediatricsInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine whether body mass index (BMI) at diagnosis of pediatric-onset multiple sclerosis (MS) predicts disease activity, including annualized relapse rate (ARR) and new MRI lesions. BACKGROUND: Obesity in childhood and adolescence has been shown to be a risk factor for developing MS, particularly amongst females. It is not known whether obesity modifies disease course in established MS. Animal studies suggest an association between obesity and inflammation, with leptin promoting pro-inflammatory T cells and attenuating Treg responses. DESIGN/METHODS: This was a multi-center retrospective observational study, with preliminary analysis of 50 adults with pediatric-onset MS, 74[percnt] female, mean age 22.8+/-3.5 years, mean follow up 8+/-3.9 years. BMI at MS diagnosis was standardized for age and sex based on WHO data. We investigated the relationship between BMI and number of relapses using a quasi-Poisson model corrected for age, sex, and disease modifying therapy use, and an offset log of disease duration. In secondary analyses, the association between BMI and new T2 or T1 gadolinium-enhancing lesions annually was modelled using a repeated measures analysis. RESULTS: Mean BMI z-score adjusted for age and sex at MS diagnosis was 0.93, with 30[percnt] overweight and 22[percnt] obese. Mean ARR was 0.88+/-0.63 and median EDSS at last follow up was 1 (range 0-6.5). 77[percnt] developed new lesions on MRI brain at 1 year. The model constructed to predict number of relapses (p-value 0.18) and the model constructed to predict MRI lesions (p-value 0.78) did not have sufficient data to show evidence of a difference based on BMI at MS diagnosis. CONCLUSIONS: About half of participants were overweight or obese at diagnosis in this pediatric-onset MS cohort of 50, but no association was found between BMI at MS diagnosis and disease activity. Larger studies are needed to confirm this finding.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,291
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207