Magnetic Resonance Imaging as a Prognostic Disability Marker in Clinically Isolated Syndrome and Multiple Sclerosis: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
To date, there are no definite imaging predictors for long-term disability in multiple sclerosis (MS). Magnetic resonance imaging (MRI) is the key prognostic tool for MS, primarily at the early stage of the disease. Recent findings showed that white matter lesion (WML) counts and volumes could predict long-term disability for MS. However, the prognostic value of MRI in the early stage of the disease and its link to long-term physical disability have not been assessed systematically and quantitatively. A meta-analysis was conducted using studies from four databases to assess whether MS lesion counts and volumes at baseline MRI scans could predict long-term disability, assessed by the expanded disability status scale (EDSS). Fifteen studies were eligible for the qualitative analysis and three studies for meta-analysis. T2 brain lesion counts and volumes after the disease onset were associated with disability progression after 10 years. Four or more lesions at baseline showed a highly significant association with EDSS 3 and EDSS 6, with a pooled OR of 4.10 and 4.3, respectively. The risk increased when more than 10 lesions were present. This review and meta-analysis confirmed that lesion counts and volumes could be associated with disability and might offer additional valid guidance in treatment decision making. Future work is essential to determine whether these prognostic markers have high predictive potential.
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 | 0,004 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,002 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».