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 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 | 0,004 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».