Silent lesions on MRI imaging – Shifting goal posts for treatment decisions in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: The current best practice suggests yearly magnetic resonance imaging (MRI) to monitor treatment response in multiple sclerosis (MS) patients. OBJECTIVE: To evaluate the current practice of clinicians changing MS treatment based on subclinical new MRI lesions alone. METHODS: Using MSBase, an international MS patient registry with MRI data, we analysed the probability of treatment change among patients with clinically silent new MRI lesions. RESULTS: A total of 8311 MRI brain scans of 4232 patients were identified. Around 26.9% (336/1247) MRIs with one new T2 lesion were followed by disease-modifying therapy (DMT) change, increasing to 50.2% (129/257) with six new T2 lesions. DMT change was twice as likely with new T1 contrast enhancing compared to new T2 lesions odds ratio (OR): 2.43, 95% confidence interval (CI): 2.00-2.96 vs OR: 1.26 (95% CI: 1.22-1.29). DMT change with new MRI lesions occurred most frequently with 'injectable' DMTs. The probability of switching therapy was greater only after high-efficacy therapies became available in 2007 (after, OR: 1.43, 95% CI: 1.28-1.59 vs before, OR: 0.98, 95% CI: 0.520-1.88). CONCLUSION: MS clinicians rely increasingly on MRI alone in their treatment decisions, utilizing low thresholds (1 new T2 lesion) for optimizing MS therapy. This signals a shift towards no evidence of disease activity (NEDA)-3 since high-efficacy therapies became available.
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 | 0,017 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».