A contemporary profile of primary progressive multiple sclerosis participants from the NARCOMS Registry
Notice bibliographique
Résumé
BACKGROUND: Primary progressive multiple sclerosis (PPMS) represents 10%-15% of all multiple sclerosis (MS) diagnoses. Information regarding socio-demographic and clinical characteristics of persons with PPMS is limited. OBJECTIVE: To characterize persons with PPMS in the North American Research Committee on Multiple Sclerosis (NARCOMS) Registry. METHODS: We compared demographic and health-related characteristics of NARCOMS Registry participants reporting PPMS in the spring 2015 update survey with those reporting relapsing-remitting multiple sclerosis (RRMS) and secondary progressive multiple sclerosis (SPMS), with characteristics of published PPMS cohorts. RESULTS: Of 8004 responders, 6774 self-reported a clinical course of PPMS, SPMS, or RRMS. The PPMS cohort ( n = 632, 9.3%) reported a mean (standard deviation (SD)) age of 64.3 (8.9) years; 62.7% were female; the SPMS and RRMS cohorts were younger and had a higher proportion of females. The NARCOMS PPMS cohort differed in age, time from onset and diagnosis, and proportion of females compared to population-based and clinical trial cohorts. Median (25%, 75%) number of comorbidities was 2 (1, 2) for each cohort with vascular comorbidities being most frequently reported. CONCLUSION: The NARCOMS population provides a different perspective on persons with PPMS than clinical trials. A better understanding of the characteristics of persons with PPMS may help address unmet needs in this population.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».