Quantifying cognition and fatigue to enhance the sensitivity of the EDSS during relapses
Notice bibliographique
Résumé
Background: Cognition is affected by relapses in persons with multiple sclerosis (PwMS), yet the Expanded Disability Status Scale (EDSS) does not readily detect cognitive changes. Objective: The objective of this study is to improve the detection of cognitive decline during relapses, by incorporating the Symbol Digit Modalities Test (SDMT) into the cerebral Functional System Score (CFSS) of the EDSS. Methods: This prospective study recruited PwMS from three dedicated MS centers. All subjects had EDSS, SDMT, and Fatigue Severity Scale (FSS) administered. Subjects experiencing a relapse were assigned to the relapse group (RG). Matched controls from the larger cohort were assigned to the stable group (SG). RG and SG subjects underwent the same evaluation at relapse and 3 months later. Our main outcomes were a modified CFSS (m-CFSS) and modified EDSS (m-EDSS), incorporating SDMT and FSS, accounting for cognitive performance and fatigue rating, during relapse. Results: The full cohort included 592 subjects; 80 qualified for RG and 72 were matched to the SG. The m-CFSS was significantly higher than CFSS at baseline (median = 2 vs. median = 0, p < 0.001) and relapse (median = 2 vs. median = 1, p < 0.001). The m-EDSS was higher than EDSS (median 3.0 vs. 2.5, p = 0.02) at relapse, where 35 RG subjects (43.8%) had higher m-EDSS than EDSS at relapse. Conclusion: This study demonstrates that incorporating the SDMT and FSS improves the accuracy of the EDSS, by accounting for cognitive changes, during relapse activity.
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 | 0,001 | 0,006 |
| 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 | 0,001 | 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 ».