Differential disease phenotypes and progression in relapsing–remitting multiple sclerosis: comparative analyses of single Canadian and Saudi Arabian clinics
Notice bibliographique
Résumé
OBJECTIVE: Relapsing-remitting multiple sclerosis (RR-MS) phenotypes differ widely although the variables contributing to this heterogeneity remain uncertain. To assess geographic and ethnic effects on RR-MS phenotypes, we investigated RR-MS patients in Canada and Saudi Arabia. METHODS: A retrospective analysis of patients followed in two MS Clinics was performed in Medina, Saudi Arabia and Edmonton, Canada. Demographic and clinical data were collected for each patient and analyzed using univariable and multivariable statistics. Univariable and multivariable linear regression were used to distinguish the significant clinical and demographic features and neurological systems associated with the change in expanded disability status scale (EDSS) between clinical assessments. RESULTS: Patients with treated RR-MS were recruited (n = 51, Saudi; n = 47, Canada) although the disease duration was longer in the Canadian cohort (5.6 ± 2.2 yr.) compared to the Saudi cohort (4.4 ± 1.4 yr.) (P < 0.05), annual relapse rate and EDSS change were higher in the Saudi cohort (P < 0.05). Infratentorial lesion-associated presentation differed (Canada, n = 23; Saudi, n = 13) among groups (P < 0.05). Spinal cord lesions on MRI were more frequently detected in Canadian (n = 23) compared to Saudi (n = 1) patients (P < 0.05). Patients within the Saudi cohort displayed a significantly greater change in Expanded Disability Status Scale (EDSS) between first and second assessments. CONCLUSIONS: Despite differences in geographic location, ethnicity, and predominance of infratentorial lesions in the Canadian group, the RR-MS phenotypes were similar although the Saudi cohort displayed a more severe disease course.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».