Characterisation of MS phenotypes across the age span using a novel data set integrating 34 clinical trials (NO.MS cohort): Age is a key contributor to presentation
Notice bibliographique
Résumé
BACKGROUND: The Oxford Big Data Institute, multiple sclerosis (MS) physicians and Novartis aim to address unresolved questions in MS with a novel comprehensive clinical trial data set. OBJECTIVE: The objective of this study is to describe the Novartis-Oxford MS (NO.MS) data set and to explore the relationships between age, disease activity and disease worsening across MS phenotypes. METHODS: We report key characteristics of NO.MS. We modelled MS lesion formation, relapse frequency, brain volume change and disability worsening cross-sectionally, as a function of patients' baseline age, using phase III study data (≈8000 patients). RESULTS: NO.MS contains data of ≈35,000 patients (>200,000 brain images from ≈10,000 patients), with >10 years follow-up. (1) Focal disease activity is highest in paediatric patients and decreases with age, (2) brain volume loss is similar across age and phenotypes and (3) the youngest patients have the lowest likelihood (<25%) of disability worsening over 2 years while risk is higher (25%-75%) in older, disabled or progressive MS patients. Young patients benefit most from treatment. CONCLUSION: NO.MS will illuminate questions related to MS characterisation, progression and prognosis. Age modulates relapse frequency and, thus, the phenotypic presentation of MS. Disease worsening across all phenotypes is mediated by age and appears to some extent be independent from new focal inflammatory 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 | 0,015 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».