MétaCan
Menu
Retour à la cohorte
Enregistrement W4283367498 · doi:10.1017/cjn.2022.178

P.081 Evolving treatment of pediatric-onset multiple sclerosis in Alberta

2022· article· en· W4283367498 sur OpenAlexaffvenueabout
C Yearwood, C Wilbur

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Lymphoblastic Leukemia research
Établissements canadiensWorkers Compensation Board of AlbertaAlberta Hospital Edmonton
Organismes subventionnairesnon disponible
Mots-clésMedicineGlatiramer acetateFingolimodMultiple sclerosisInterferon betaPediatricsRituximabNatalizumabMcDonald criteriaPharmacyRetrospective cohort studyInternal medicineFamily medicineImmunology

Résumé

récupéré en direct d'OpenAlex

Background: Pediatric-onset multiple sclerosis (MS) is associated with a high rate of disease activity. However, only a single DMT – fingolimod – has been approved by Health Canada for children, in 2018. In this study, we describe trends in the treatment of pediatric-onset MS in Alberta. Methods: We performed a retrospective review of Alberta administrative health databases, identifying cases of MS under 19 years of age from January 1, 2011 - December 31, 2020. Pharmacy dispenses of MS DMTs were identified by Anatomical Therapeutic Chemical classification code and grouped as injectables (glatiramer acetate, interferon-beta) or newer agents (all others). Results: 79 incident cases of pediatric MS were identified during the study period. 47/79 (59%) had at least one DMT dispense, with the first dispense occurring a median 263 days (IQR 134.5-988) from the index date at a median age of 17.2 years (IQR 16.0-18.6). Injectables accounted for all initial DMT dispenses < 19 years of age prior to 2019, while from 2019-2020 injectables accounted for only 3/15 (20%) initial dispenses, with rituximab (5/15, 33%) being the most common initial DMT in those years. Conclusions: The treatment of children with MS in Alberta has rapidly evolved, shifting shift towards earlier treatment using newer high-efficacy agents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,326

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,285
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences NeurologiquesMême sujetAcute Lymphoblastic Leukemia researchTravaux en français237 207