Myasthenia Gravis Impairment Index: Sensitivity for Change in Generalized Muscle Weakness
Notice bibliographique
Résumé
INTRODUCTION: The recently developed Myasthenia Gravis Impairment Index (MGII) is a promising measure as it has less floor effects and a higher relative efficiency in its responsiveness to treatment effect compared to other MG measures. This study aimed at validating the MGII in a Dutch cohort of MG patients and analyzing the sensitivity of MGII compared to MG-ADL for changes in generalized weakness. METHODS: We analyzed (generalized items of; -gen) MGII, quantitative myasthenia gravis (QMG), Myasthenia Gravis Activities of Daily Living (MG-ADL), EQ-5D visual analog, Myasthenia Gravis Composite (MGC) and ACTIVLIM (an ADL questionnaire focusing on generalized weakness) scores in a prospective cohort of 99 MG patients. We investigated correlations between MGII and other outcome measures. We used a generalized linear model to assess whether MGIIgen had an additional sensitivity on top of MG-ADLgen for changes (Δ) in QMGgen in individual patients. RESULTS: MGII had a lower floor effect (4%) compared to QMG (6%), MG-ADL (11%) and MGC (16%). MGII correlated well with QMG (r = 0.68), MG-ADL (r = 0.83) and MGC (r = 0.74). As expected, the correlations with EQ visual analog and ACTIVLIM were lower (r = - 0.57 and - 0.48). ΔMGIIgen had an additional value on top of ΔMG-ADLgen in the prediction of ΔQMGgen (B = 0.54, p = 0.01). DISCUSSION: The MGII score was cross-culturally validated in a Dutch cohort of MG patients. MGII had a higher sensitivity for generalized weakness than MG-ADL.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».