Characterizing the Occurrence of Key Clinical Milestones in Duchenne Muscular Dystrophy in the United States Using Real-World Data
Notice bibliographique
Résumé
BACKGROUND: Data on the clinical course of Duchenne muscular dystrophy (DMD) exist from well-characterized clinical cohorts but estimates from real-world populations are fewer. OBJECTIVE: The objective was to estimate the prevalence of key clinical milestones by age, among real-world commercially-insured DMD patients in the United States. METHODS: MarketScan claims (2013-2018) were used to identify males with DMD. The percentages with wheelchair use or experiencing scoliosis, neurologic/neuropsychiatric involvement, cardiomyopathy, and respiratory involvement were tabulated; as were the median (interquartile range [IQR]) ages at first observed occurrence within the claims data. RESULTS: Among DMD patients (n = 1,964), the median (IQR) baseline age was 15 (9-21) years, and median follow-up was 1.7 years. Wheelchair use was observed in 55% of those aged 8 to 13 years at cohort entry; scoliosis, among 38% of those 8 to 10 and 52% of those 11 to 13 years; neurologic/neuropsychiatric involvement, among 41-43% of those 8 to 13 years; respiratory involvement, among 45% of those 14 to 19 years; and cardiomyopathy, among 68% of those 14 to 16 and 58% of those 17 to 19 years. CONCLUSIONS: The prevalence of key clinical milestones across ages was broadly consistent with published findings. Variability in estimates reflect clinical heterogeneity; these contemporary estimates from real-world data help characterize clinical outcomes in DMD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 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 ».