Early predictors of disability in paediatric multiple sclerosis: evidence from a multi-national registry
Notice bibliographique
Résumé
BACKGROUND: Early recognition of markers of faster disability worsening in paediatric-onset multiple sclerosis (MS) is a key requisite of personalised therapy for children with MS at the earliest possible time. OBJECTIVE: To identify early predictors of rapid disability accrual in patients with paediatric-onset MS. METHODS: Using the global MSBase registry, we identified patients who were <18 years old at the onset of MS symptoms. The clinico-demographic characteristics examined as predictors of future MS Severity Score (MSSS) included sex, age at symptom onset, absence of disability at the initial assessment, maximum Expanded Disability Status Scale (EDSS) score, relapse frequency and presence of brainstem, pyramidal, visual or cerebellar symptoms in the first year. A Bayesian log-normal generalised linear mixed model adjusted for cumulative proportion of time on higher-efficacy disease-modifying therapies (DMTs) was used to analyse the data. RESULTS: 672 patients (70% female) contributing 9357 visits were included. The median age at symptom onset was 16 (quartiles 15-17) years. Older age at symptom onset (exp(β)=1.10 (95% CI 1.04 to 1.17)), higher EDSS score (1.22 (1.12 to 1.34)) and pyramidal (1.31 (1.11 to 1.55)), visual (1.25 (1.10 to 1.44)) or cerebellar (1.18 (1.01 to 1.38)) symptoms in the first year were associated with higher MSSS. MSSS was reduced by 4% for every 24% increase in the proportion of time on higher-efficacy DMTs (0.96 (0.93 to 0.99)). CONCLUSIONS: A relatively later onset of MS in childhood, higher disability and pyramidal, visual or cerebellar symptoms during the first year predicted significant worsening in disability in patients with paediatric-onset MS. Persistent treatment with higher-efficacy DMTs was associated with a reduced rate of disability worsening.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».