Meningeal inflammation and cortical demyelination in acute multiple sclerosis
Notice bibliographique
Résumé
OBJECTIVE: Cortical gray matter (GM) pathology, involving demyelination and neurodegeneration, associated with meningeal inflammation, could be important in determining disability progression in multiple sclerosis (MS). However, we need to know more about how cortical demyelination, neurodegeneration, and meningeal inflammation contribute to pathology at early stages of MS to better predict long-term outcome. METHODS: Tissue blocks from short disease duration MS (n = 12, median disease duration = 2 years), progressive MS (n = 21, disease duration = 25 years), non-diseased controls (n = 11), and other neurological inflammatory disease controls (n = 6) were quantitatively analyzed by immunohistochemistry, immunofluorescence, and in situ hybridization. RESULTS: ) microglia/macrophages were increased in cases with subpial lesions, and the density of neurons was significantly reduced in acute MS normal appearing and lesion GM, compared to controls (p < 0.005). Significant meningeal inflammation and lymphoid-like structures were seen in 4 of 12 acute MS cases. The extent of meningeal inflammation correlated with microglial/macrophage activation (p < 0.05), but not the area of cortical demyelination, reflecting the finding that lymphoid-like structures were seen adjacent to GM lesions as well as areas of partially demyelinated/remyelinated, cortical GM. INTERPRETATION: Our findings demonstrate that cortical demyelination, neuronal loss, and meningeal inflammation are notable pathological hallmarks of acute MS and support the need to identify early biomarkers of this pathology to better predict outcome. Ann Neurol 2018;84:829-842.
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».