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 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) | 0,001 | 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 | 0,001 |
| 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 ».