Association between age and inflammatory disease activity on magnetic resonance imaging in relapse onset multiple sclerosis during long‐term follow‐up
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Inflammatory disease activity in multiple sclerosis (MS) decreases with advancing age. Previous work found a decrease in contrast-enhancing lesions (CELs) with age. Here, we describe the relation of age and magnetic resonance imaging (MRI) measures of inflammatory disease activity during long-term follow-up in a large real-world cohort of people with relapse onset MS. METHODS: We investigated MRI data from the long-term observational Amsterdam MS cohort. We used logistic regression models and negative binomial generalized estimating equations to investigate the associations between age and radiological disease activity after a first clinical event. RESULTS: We included 1063 participants and 10,651 cranial MRIs. Median follow-up time was 6.1 years (interquartile range = 2.4-10.9 years). Older participants had a significantly lower risk of CELs on baseline MRI (40-50 years vs. <40 years: odds ratio [OR] = 0.640, 95% confidence interval [CI] = 0.45-0.90; >50 years vs. <40 years: OR = 0.601, 95% CI = 0.33-1.08) and a lower risk of new T2 lesions or CELs during follow-up (40-50 years vs. <40 years: OR = 0.563, 95% CI = 0.47-0.67; >50 years vs. <40 years: OR = 0.486, 95% CI = 0.35-0.68). CONCLUSIONS: Greater age is associated with a lower risk of inflammatory MRI activity at baseline and during long-term follow-up. In patients aged >50 years, a less aggressive treatment strategy might be appropriate compared to younger patients.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».