Prediction of on-treatment disability worsening in RRMS with the MAGNIMS score
Notice bibliographique
Résumé
Background: The magnetic resonance imaging in multiple sclerosis (MAGNIMS) score combines relapses and magnetic resonance imaging (MRI) lesions to predict disability outcomes in relapsing–remitting multiple sclerosis (RRMS) treated with interferon-β. Objective: To validate the MAGNIMS score and extend to other disease-modifying therapies (DMTs). To examine the prognostic value of gadolinium contrast-enhancing (Gd+) lesions. Methods: This RRMS MSBase cohort study ( n = 2293) used a Cox model to examine the prognostic value of relapses, MRI activity and the MAGNIMS score for disability worsening during treatment with interferon-β and three other DMTs. Results: Three new T2 lesions (hazard ratio (HR) = 1.60, p = 0.028) or two relapses (HR = 2.24, p = 0.002) on interferon-β (for 12 months) were predictive of disability worsening over 4 years. MAGNIMS score = 2 (1 relapse and ⩾3 T2 lesions or ⩾2 relapses) was associated with a greater risk of disability worsening on interferon-β (HR = 2.0, p = 0.001). In pooled cohort of four DMTs, similar associations were seen (MAGNIMS score = 2: HR = 1.72, p = 0.001). Secondary analyses demonstrated that the addition of Gd+ to the MAGNIMS did not materially improve its prediction of disability worsening. Conclusion: We have validated the MAGNIMS score in RRMS and extended its application to three other DMTs: 1 relapse and ⩾3 T2 lesions or ⩾2 relapses predicted worsening of disability. Contrast-enhancing lesions did not substantially improve the prognostic score.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».