Is the Symbol Digit Modalities Test a useful outcome in secondary progressive multiple sclerosis?
Notice bibliographique
Résumé
BACKGROUND: It is unclear which cognitive outcome measure is the most useful for clinical trials in multiple sclerosis. To investigate the usefulness of the Symbol Digit Modalities Test (SDMT) as a clinical outcome measure in secondary progressive multiple sclerosis (SPMS), we describe the frequency of worsening and improvement events in a large randomized controlled trial (RCT) dataset. METHODS: Using original trial data from the ASCEND trial (n = 889), a recent large RCT in SPMS, we describe worsening and similarly defined improvement with and without 3-month confirmation on the SDMT in the whole trial cohort and unconfirmed worsening and improvement on the Paced Auditory Serial Addition Test (PASAT) in a smaller subset (n = 107). RESULTS: Somewhat unexpectedly, SDMT scores steadily increased throughout the 2 years of follow-up in this trial. There were overall few SDMT worsening events throughout the trial (generally fewer than 10% of participants), but improvement events steadily increased from around 50% of participants with improvement at 12 weeks to more than 70% at 84 weeks and beyond. PASAT scores followed a similar pattern. CONCLUSIONS: In this well-characterized clinical trial cohort, the SDMT does not reflect the steady cognitive decline that patients with SPMS experience. Both SDMT and PASAT scores improve throughout follow-up, possibly due to a practice effect. The SDMT may not be a useful outcome measure of disease progression in 2-year clinical trials in SPMS.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».