Temporal profile of serum neurofilament light in multiple sclerosis: Implications for patient monitoring
Notice bibliographique
Résumé
Objective: To understand how longitudinal serum neurofilament light chain (sNfL) patterns can inform its use as a prognostic biomarker in multiple sclerosis (MS) and evaluate whether sNfL reflects MS disease activity and disease-modifying therapy usage. Methods: This was a post hoc analysis of longitudinal data and samples from the ADVANCE trial (NCT00906399) of patients with relapsing–remitting MS (RRMS). sNfL was measured every 3 months for 2 years, then every 6 months for 4 years. Regression models explored how sNfL data predicted 4-year values of brain volume, expanded disability status scale score, and T2 lesions. sNfL levels were assessed in those receiving placebo, peginterferon beta-1a, and those with disease activity. Results: Baseline sNfL was a predictor of 4-year brain atrophy and development of new T2 lesions. Clinical ( p = 0.02) and magnetic resonance imaging (MRI) ( p < 0.01) outcomes improved in those receiving peginterferon beta-1a whose sNfL decreased to <16 pg/mL after 12 months versus those whose sNfL remained ⩾16 pg/mL. Mean sNfL levels decreased in peginterferon beta-1a-treated patients and increased in placebo-treated patients (–9.5% vs. 6.8%; p < 0.01). sNfL was higher and more variable in patients with evidence of active MS. Conclusion: These data support sNfL as a prognostic and disease-monitoring biomarker for RRMS.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».