Landscape of MS patient cohorts and registries: Recommendations for maximizing impact
Notice bibliographique
Résumé
BACKGROUND: There is a growing number of cohorts and registries collecting phenotypic and genotypic data from groups of multiple sclerosis patients. Improved awareness and better coordination of these efforts is needed. OBJECTIVE: The purpose of this report is to provide a global landscape of the major longitudinal MS patient data collection efforts and share recommendations for increasing their impact. METHODS: A workshop that included over 50 MS research and clinical experts from both academia and industry was convened to evaluate how current and future MS cohorts could be better used to provide answers to urgent questions about progressive MS. RESULTS: The landscape analysis revealed a significant number of largely uncoordinated parallel studies. Strategic oversight and direction is needed to streamline and leverage existing and future efforts. A number of recommendations for enhancing these efforts were developed. CONCLUSIONS: Better coordination, increased leverage of evolving technology, cohort designs that focus on the most important unanswered questions, improved access, and more sustained funding will be needed to close the gaps in our understanding of progressive MS and accelerate the development of effective therapies.
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 | 0,355 | 0,553 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,013 | 0,013 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,019 | 0,031 |
| Science ouverte | 0,011 | 0,019 |
| Intégrité de la recherche | 0,012 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».