Risk of infection-related hospitalizations in people with primary-progressive relative to relapsing-onset multiple sclerosis (P3.353)
Notice bibliographique
Résumé
Background / Objective: Little is known about the risk of infection in multiple sclerosis (MS) and whether this differs by MS phenotype. We examined infection-related hospitalizations in people with primary-progressive MS (PPMS) relative to relapsing-onset MS (R-MS). Design/method: We conducted a retrospective cohort study using health administrative data (hospital discharges) linked to the British Columbia MS clinic database. Patients were followed from the first MS clinic visit (‘baseline’ 1996-2008) until death or study end (31st March 2013). The association between MS phenotype and the number of infection-related hospitalizations was examined by a negative binomial regression model. The models were first adjusted for sex, age, disease duration at baseline, and then for disability status as measured by EDSS (0-3; 3.5-5.5; 6+) at baseline. To account for disease modifying drug (DMD) use in R-MS, patients were censored at DMD initiation in a sensitivity analysis. Findings were expressed as adjusted rate ratios (aRR). Results: In total, 939 patients with MS were identified, of whom 59 (6.3[percnt]) had PPMS; baseline EDSS scores were available for 768 (81.8[percnt]). During a mean (SD) follow up of 10.5 (3.0) years, 115 patients were admitted to hospital for at least one infection-related episode (incidence rate= 15.6 (95[percnt]CI 13.2-18.2) per 1000 person-years). The infection rate was higher among those with PPMS as compared with those with R-MS after adjustment for sex, age, and disease duration (aRR 2.2; 95[percnt]CI 1.1 - 4.5) but this association was lost after adjustment for EDSS (aRR 1.4; 95[percnt]CI 0.6 - 2.9). Censoring at DMD initiation did not change the direction of the findings. Conclusion: MS patients with PPMS had a higher hospitalization rate for infections than patients with R-MS but this difference may have reflected higher levels of disability. Findings are highly relevant for the care of PPMS patients.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».