Autologous hematopoietic stem cell transplantation improves fatigue in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Fatigue is a common problem in multiple sclerosis (MS) affecting as many as 90% of patients. The Fatigue Impact Scale (FIS) is a validated measure of fatigue in MS patients. The cause of fatigue in MS is likely multifactorial, with some evidence that ongoing central nervous system (CNS) inflammation is a contributing factor. Immunoablation and autologous hematopoietic stem cell transplantation (aHSCT) have been shown to halt ongoing CNS inflammation. OBJECTIVE: To investigate whether halting all ongoing inflammation with aHSCT impacts FIS scores in patients with severe MS. METHODS: In the Canadian aHSCT study ( ClinicalTrials.gov , NCT01099930), 23 patients underwent aHSCT and had FIS prospectively collected every 6 months for 36 months of follow-up. Change in FIS was analysed by repeated-measures analysis of variance (RMANOVA) with multiple linear regression to determine independent predictors. RESULTS: = 0.001), and four patients had 100% reduction. Improvement in FIS correlated with lower age and Expanded Disability Status Scale at baseline, as well as increased independence as evidenced by a return to gainful employment and even driving. CONCLUSION: Patients had significantly less fatigue on average after aHSCT. This may serve to better understand the contribution of ongoing CNS inflammation to fatigue peculiar to MS.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».