Epidemiology of NMOSD in Catalonia: Influence of the new 2015 criteria in incidence and prevalence estimates
Notice bibliographique
Résumé
BACKGROUND: Population-based studies on neuromyelitis optica spectrum disorders (NMOSD) are limited, and it is unclear whether the rates have changed with the implementation of the new 2015 criteria. OBJECTIVES: To estimate the incidence and prevalence of NMOSD in Catalonia (Spain), using both the 2006 and the 2015 criteria. METHODS: In this clinic-based retrospective study, patients diagnosed with NMOSD between 2006 and 2015 were identified using multiple sources, including direct contact to all Catalan hospitals, identification of cases through the Catalan Health Surveillance System, and registry of antibodies to aquaporin-4 (AQP4-IgG) and myelin oligodendrocyte glycoprotein (MOG-IgG) in a reference laboratory. The incidence rate was calculated for the period 1 January 2006-1 January 2016 and prevalence for the date 1 January 2016. RESULTS: We identified 74 patients (by the 2015 criteria). Most patients were Caucasian (81%), and female (76%) with a median age at disease onset of 42 years (range, 10-76 years). In total, 54 (73%) patients were positive for AQP4-IgG, 11 (15%) double-seronegative, and 9 (12%) MOG-IgG-positive. Rates of incidence and prevalence (0.63/1,000,000 person-years and 0.89/100,000, respectively) were 1.5-fold higher than those reported by the 2006 criteria. Lowest rates were seen in children and elder people and highest in women and middle-aged people (40-59 years). The female predominance was lost in incident AQP4-IgG-seronegative children and AQP4-IgG-positive elder people. MOG-IgG and double-seronegativity contributed similarly but did not influence the long-term outcome. CONCLUSION: The new criteria increase the estimates, but NMOSD remains as a rare disease. The differences in age- and sex-specific estimates highlight the importance of the serologic classification.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».