Predicting risk of secondary progression in multiple sclerosis: A nomogram
Notice bibliographique
Résumé
OBJECTIVES: We aimed at designing a nomogram, a prediction tool, to predict the individual's risk of conversion to secondary progressive multiple sclerosis (SPMS) at the time of multiple sclerosis (MS) onset. METHODS: One derivation and three validation cohorts were established. The derivation cohort included 8825 relapsing-onset MS patients in Sweden. A nomogram was built based on a survival model with the best statistical fit and prediction accuracy. The nomogram was validated using data from 3967 patients in the British Columbia cohort, 176 patients in the ACROSS and 2355 patients in FREEDOMS/FREEDOMS II extension studies. RESULTS: Sex, calendar year of birth, first-recorded Expanded Disability Status Scale (EDSS) score, age at the first EDSS and age at disease onset showed significant predictive ability to estimate the risk of SPMS conversion at 10, 15 and 20 years. The nomogram reached 84% (95% confidence intervals (CIs): 83-85) internal and 77% (95% CI: 76-78), 77% (95% CI: 70-85) and 87% (95% CI: 84-89) external accuracy. CONCLUSIONS: The SPMS nomogram represents a much-needed complementary tool designed to assist in decision-making and patient counselling in the early phase of MS. The SPMS nomogram may improve outcomes by prompting timely and more efficacious treatment for those with a worse prognosis.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».