MétaCan
Menu
Retour à la cohorte
Enregistrement W4380739518 · doi:10.1212/wnl.0000000000207481

Global Barriers to the Diagnosis of Multiple Sclerosis

2023· article· en· W4380739518 sur OpenAlexaff
Andrew Solomon, Ruth Ann Marrie, Shanthi Viswanathan, Jorge Correale, Melinda Magyari, Neil P. Robertson, Deanna Saylor, Wendy Kaye, Lindsay Rechtman, Eunchan Bae, Russell T. Shinohara, Rachel King, Joanna Laurson-Doube, Anne Helme

Notice bibliographique

RevueNeurology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensChildren's Hospital Research Institute of Manitoba
Organismes subventionnairesNational Institutes of HealthMultiple Sclerosis SocietyEmerson CollectiveBiogenBristol-Myers SquibbMedical Research CouncilSanofiAgency for Toxic Substances and Disease RegistryNational Multiple Sclerosis SocietyU.S. Department of Defense
Mots-clésMultiple sclerosisMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: Recent data suggest increasing global prevalence of multiple sclerosis (MS). Early diagnosis of MS reduces the burden of disability-adjusted life years and associated health care costs. Yet diagnostic delays persist in MS care and even within national health care systems with robust resources, comprehensive registries, and MS subspecialist referral networks. The global prevalence and characteristics of barriers to expedited MS diagnosis, particularly in resource-restricted regions, have not been extensively studied. Recent revisions to MS diagnostic criteria demonstrate potential to facilitate earlier diagnosis, but global implementation remains largely unknown. METHODS: The Multiple Sclerosis International Federation third edition of the Atlas of MS was a survey that assessed the current global state of diagnosis including adoption of MS diagnostic criteria; barriers to diagnosis with respect to the patient, health care provider, and health system; and existence of national guidelines or national standards for speed of MS diagnosis. RESULTS: Coordinators from 107 countries (representing approximately 82% of the world population), participated. Eighty-three percent reported at least 1 "major barrier" to early MS diagnosis. The most frequently reported barriers included the following: "lack of awareness of MS symptoms among general public" (68%), "lack of awareness of MS symptoms among health care professionals" (59%), and "lack of availability of health care professionals with knowledge to diagnose MS" (44%). One-third reported lack of "specialist medical equipment or diagnostic tests." Thirty-four percent reported the use of only 2017 McDonald criteria (McD-C) for diagnosis, and 79% reported 2017 McD-C as the "most commonly used criteria." Sixty-six percent reported at least 1 barrier to the adoption of 2017 McD-C, including "neurologists lack awareness or training" by 45%. There was no significant association between national guidelines pertaining to MS diagnosis or practice standards addressing the speed of diagnosis and presence of barriers to early MS diagnosis and implementation of 2017 McD-C. DISCUSSION: This study finds pervasive consistent global barriers to early diagnosis of MS. While these barriers reflected a lack of resources in many countries, data also suggest that interventions designed to develop and implement accessible education and training can provide cost-effective opportunities to improve access to early MS diagnosis.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,086
Tête enseignante GPT0,330
Écart entre enseignants0,244 · 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'étudeSans objet
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

Citations78
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207