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 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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».