A multiple sclerosis disease progression measure based on cumulative disability
Notice bibliographique
Résumé
BACKGROUND: Existing severity measurements in multiple sclerosis (MS) are often cross-sectional, making longitudinal comparisons of disease course between individuals difficult. OBJECTIVE: The objective of this study is to create a severity metric that can reliably summarize a patient's disease course. METHODS: We developed the nARMSS - normalized ARMSS (age-related MS severity score) over follow-up, using the deviation of individual ARMSS scores from the expected value and integrated over the corresponding time period. The nARMSS scales from -5 to +5; a positive value indicates a more severe disease course for a patient when compared to other patients with similar disease timings. RESULTS: Using Swedish MS registry data, the nARMSS was tested using data at 2 and 4 years of follow-up to predict the most severe quartile during the subsequent period up to 10 years total follow-up. The metric used was area under the curve of the receiver operating characteristic (AUC-ROC). This resulted in measurements of 0.929 and 0.941. In an external Canadian validation cohort, the equivalent AUC-ROCs were 0.901 and 0.908. CONCLUSION: The nARMSS provides a reliable, generalizable and easily measurable metric which makes longitudinal comparison of disease course between individuals feasible.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».